大数据中的分类隐私加密方法研究与仿真

• 作者: 杨通国
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 大数据 分类 隐私加密
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 仿真服务化
• 页码范围: 436-439
• 页数: 4页
• 分类号: TP311.13
• 字数: 4007字
• 语种: 中文

摘要

在大数据中蕴含了很多丰富的信息,是具有较高价值的数据集合,为了避免由于数据挖掘而造成的用户隐私泄露,需要进行大数据中的分类隐私加密,但是采用当前算法进行数据分类加密时,难以提取需要加密的数据特征,存在大数据中的分类隐私加密误差大的问题.提出改进最佳桶划分的大数据中的分类隐私加密方法.在叶贝斯理论基础上,采用目前时间窗口上的数据集调整其它窗口上的数据权重,根据不一样窗口权重构造贝叶斯分类器,构建贝叶斯的多窗口数据流分类模型,获取需要加密的隐私数据.利用最佳桶划分理论提取加密数据的划分值和转换查询数据库的SQL语句,利用提取的结果完成对大数据中的分类隐私加密.仿真结果表明,所提方法能提高大数据中的分类隐私加密系统的整体性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨通国	贵州财经大学信息学院	7	22	2.0	4.0