大数据环境下的多维敏感度最佳k值匿名框架

• 作者: 严英占 南楠
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 最佳k 值 多维敏感度 细粒度 累积频率 MapReduce
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 安全技术
• 页码范围: 297-302
• 页数: 6页
• 分类号: TP309
• 字数: 6231字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.06.051

摘要

针对现有匿名算法未提供多维敏感度和细粒度的隐私保护问题,提出大数据的多维敏感度的最佳k值匿名(Multi-dimensional sensitivity optimal k-value anonymous,MSOkA)框架.通过敏感度的计算对用户访问权限分级,对准标识符QI敏感数据聚合分组,提供多维敏感度的细粒度用户访问,根据不同的授权级别进行权限调整.根据中断方程,设计累积频率(cumulative frequency,CF)得到最佳k值,通过选择最佳所有权级别来确定访问粒度,减少明显猜测和跨组唯一标识符攻击.另外,设计一个在MapReduce环境中运行的隐私框架,在hadoop域上实现框架的核心服务、初始化服务和匿名服务,通过SAML连接联合身份验证服务和服务提供者,实现对大数据的多维快速隐私保护.实验结果表明,该方法能够找到最佳k值,实现大数据多维敏感度和细粒度的隐私保护,且隐私保护程度和执行时间都优于现有方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严英占		15	35	4.0	5.0
2	南楠	岭南师范学院基础教育学院	4	0	0.0	0.0