大数据环境下的多维敏感度最佳k值匿名框架

摘要

cqvip: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。