基于大数据模式分解的隐私信息保护方法仿真

摘要

针对传统的大数据隐私保护算法执行效率慢、适应性差的问题,提出一种基于大数据模式分解的隐私信息保护方法,首先通过模式分解、安全分解以及正确分解,建立大数据分解DMM矩阵,生成一个随机满足的网络隐私变换函数,转换初始网络隐私数据,并将其结果视为随机回答结果,利用属性聚类的等价划分方式,聚类准标识符属性类似值与敏感属性类似值,两者属性通过实现等价类划分与数据的匿名操作,完成隐私信息保护.仿真证明,所提方法相比传统方法的保护效果更好,执行率更高.