一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法
【專利摘要】本發(fā)明涉及一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法，該方法包括：根據(jù)關(guān)聯(lián)規(guī)則算法抽取出數(shù)據(jù)的頻繁項(xiàng)集；通過(guò)多關(guān)鍵字并行檢索建立頻繁項(xiàng)模型庫(kù)；使用并行分布式排序算法對(duì)檢索結(jié)果排序，找出敏感記錄；在云平臺(tái)上使用聚類算法對(duì)敏感記錄進(jìn)行差分隱私保護(hù)。本發(fā)明方法根據(jù)數(shù)據(jù)的頻繁項(xiàng)的情況，檢索出會(huì)暴露出用戶信息的敏感記錄，并針對(duì)性的做差分隱私保護(hù)。從而避免根據(jù)已知的非敏感信息推測(cè)出相關(guān)敏感信息。本方法只對(duì)敏感記錄進(jìn)行保護(hù)，未影響到其他信息量，在提高發(fā)布數(shù)據(jù)的效用的同時(shí)，減少了數(shù)據(jù)泄漏風(fēng)險(xiǎn)，保證了云平臺(tái)上的數(shù)據(jù)安全。
【專利說(shuō)明】一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及云安全領(lǐng)域，具體是指一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法。

【背景技術(shù)】
[0002] 隱私保護(hù)方法是一種伴隨著數(shù)據(jù)應(yīng)用而提出的，由實(shí)際應(yīng)用所決定的數(shù)據(jù)保護(hù)方 法，最先被用于統(tǒng)計(jì)領(lǐng)域。一般是通過(guò)引入統(tǒng)計(jì)模型和概率模型來(lái)實(shí)現(xiàn)保護(hù)在較低應(yīng)用層 次上數(shù)據(jù)的隱私。對(duì)于較高層次的數(shù)據(jù)應(yīng)用，主要是用面向數(shù)據(jù)挖掘的隱私保護(hù)技術(shù)，根據(jù) 不同數(shù)據(jù)挖掘操作的特性來(lái)實(shí)現(xiàn)對(duì)應(yīng)用上隱私的保護(hù)。而各類應(yīng)用中可以通用的隱私保護(hù) 方法，一般由基于隱私保護(hù)的數(shù)據(jù)發(fā)布技術(shù)來(lái)實(shí)現(xiàn)。
[0003] 目前，面對(duì)大數(shù)據(jù)，在云平臺(tái)上的數(shù)據(jù)隱私保護(hù)方法，并不能滿足對(duì)數(shù)據(jù)保護(hù)的需 求，無(wú)法針對(duì)一些攻擊模型。隨著互聯(lián)網(wǎng)技術(shù)不斷的、飛速的發(fā)展，數(shù)據(jù)的共享變得越來(lái)越 便捷，隱私數(shù)據(jù)泄露事件越來(lái)越多。個(gè)人隱私安全得不到保障?，F(xiàn)有的大多數(shù)隱私保護(hù)都 是針對(duì)保護(hù)敏感信息，沒(méi)有考慮到敏感屬性與特定實(shí)體的關(guān)聯(lián)，無(wú)法阻止由非敏感信息對(duì) 敏感信息的推測(cè)，但對(duì)全部信息進(jìn)行保護(hù)又會(huì)失去數(shù)據(jù)本身的效用。
[0004] 為了解決這個(gè)問(wèn)題，需要研究怎樣去在提高發(fā)布數(shù)據(jù)的效用的同時(shí)，減少數(shù)據(jù)泄 露風(fēng)險(xiǎn)，保障云平臺(tái)上的數(shù)據(jù)安全。依據(jù)頻繁項(xiàng)對(duì)數(shù)據(jù)做差分隱私保護(hù)是一種有效的手段。 依據(jù)頻繁項(xiàng)的差分保護(hù)是指，根據(jù)頻繁項(xiàng)的情況，檢索出可能會(huì)被推測(cè)出的敏感記錄，然后 對(duì)這些敏感記錄做差分隱私保護(hù)，從而保證其他數(shù)據(jù)的有效性和完整性。在保障數(shù)據(jù)效用 的同時(shí)，減少了數(shù)據(jù)泄露的風(fēng)險(xiǎn)。


【發(fā)明內(nèi)容】

[0005] 鑒于上述現(xiàn)有技術(shù)的不足，本發(fā)明目的旨在提供一種基于頻繁項(xiàng)檢索的云平臺(tái)隱 私保護(hù)方法，該方法在云計(jì)算平臺(tái)上，通過(guò)抽取出數(shù)據(jù)的頻繁項(xiàng)，將可能被推測(cè)出的敏感記 錄檢索出來(lái)，然后針對(duì)性的做數(shù)據(jù)差分隱私保護(hù)，本發(fā)明只保護(hù)需要被特別保護(hù)的數(shù)據(jù)，在 提高發(fā)布數(shù)據(jù)的效用的同時(shí)，減少了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，保障了數(shù)據(jù)安全，特別是能保障云平 臺(tái)上數(shù)據(jù)的安全。
[0006] 實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法， 該方法包括：
[0007] (1)根據(jù)關(guān)聯(lián)規(guī)則算法抽取出數(shù)據(jù)的頻繁項(xiàng)集；
[0008] (2)通過(guò)多關(guān)鍵字并行檢索建立頻繁項(xiàng)模型庫(kù)；
[0009] (3)使用并行分布式排序算法對(duì)檢索結(jié)果排序，找出敏感記錄；
[0010] (4)在云平臺(tái)上使用聚類算法對(duì)敏感記錄進(jìn)行差分隱私保護(hù)。
[0011] 在上述技術(shù)方案中，所述步驟（1)包括：
[0012] (1-1)根據(jù)數(shù)據(jù)情況和用戶需要設(shè)定最小支持度和第1項(xiàng)候選集；
[0013] (1-2)分析原始數(shù)據(jù)的數(shù)據(jù)項(xiàng)，構(gòu)建鍵值對(duì)序列集，通過(guò)鍵對(duì)序列集合第k項(xiàng)候選 集的關(guān)聯(lián)，找出頻繁k項(xiàng)集；
[0014] (1-3)對(duì)頻繁k項(xiàng)集的單表關(guān)聯(lián)，并進(jìn)行分布式剪枝，得出第k+1項(xiàng)候選集；
[0015] (1-4)對(duì)步驟（1-2)和（1-3)中的作業(yè)任務(wù)進(jìn)行組合式鏈接執(zhí)行，直到不能找出 k+Ι項(xiàng)候選集。
[0016] 在上述技術(shù)方案中，所述步驟（2)包括：
[0017] 在云平臺(tái)上，使用針對(duì)頻繁項(xiàng)的多關(guān)鍵字并行檢索，根據(jù)頻繁項(xiàng)集中的各頻繁項(xiàng) 及其權(quán)值，以倒排索引的形式建立頻繁項(xiàng)模型庫(kù)。
[0018] 在上述技術(shù)方案中，所述步驟（3)包括：
[0019] 在云平臺(tái)上，根據(jù)頻繁項(xiàng)權(quán)值的分布情況，給評(píng)分設(shè)定一個(gè)閾值，以頻繁項(xiàng)及其權(quán) 值為關(guān)鍵字，使用并行分布式排序算法對(duì)檢索結(jié)果進(jìn)行排序，找出評(píng)分大于閾值的敏感記 錄。
[0020] 在上述技術(shù)方案中，所述步驟（4)包括：
[0021] 在云平臺(tái)上，使用并行化的聚類算法對(duì)敏感記錄進(jìn)行聚類，從而將敏感記錄劃分 為若干個(gè)簇，每個(gè)簇中的記錄用該簇的中心點(diǎn)差分替換，達(dá)到差分隱私保護(hù)的目的。
[0022] 現(xiàn)有的差分隱私保護(hù)方法無(wú)法解決云平臺(tái)上數(shù)據(jù)安全性和數(shù)據(jù)效用的協(xié)調(diào)問(wèn)題， 不能做到既保障數(shù)據(jù)的安全又保障數(shù)據(jù)的效用。而本發(fā)明不同之處在于能夠根據(jù)數(shù)據(jù)的頻 繁項(xiàng)針對(duì)性的做差分隱私保護(hù)，首先使用關(guān)聯(lián)規(guī)則算法抽取出數(shù)據(jù)的頻繁項(xiàng)，然后根據(jù)頻 繁項(xiàng)的情況檢索出敏感數(shù)據(jù)，并對(duì)敏感數(shù)據(jù)做差分隱私保護(hù)。
[0023] 本發(fā)明方法根據(jù)數(shù)據(jù)的頻繁項(xiàng)的情況，檢索出會(huì)暴露出用戶信息的敏感記錄，并 針對(duì)性的做差分隱私保護(hù)。從而避免根據(jù)已知的非敏感信息推測(cè)出相關(guān)敏感信息。本方法 只對(duì)敏感記錄進(jìn)行保護(hù)，未影響到其他信息量，在提高發(fā)布數(shù)據(jù)的效用的同時(shí)，減少了數(shù)據(jù) 泄漏風(fēng)險(xiǎn)，保證了云平臺(tái)上的數(shù)據(jù)安全。

【專利附圖】

【附圖說(shuō)明】
[0024] 圖1為本發(fā)明基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法的流程圖。

【具體實(shí)施方式】
[0025] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0026] 如圖1，本發(fā)明基于頻繁項(xiàng)檢索的云平臺(tái)差分隱私保護(hù)方法，包括以下步驟：
[0027] 步驟S100、根據(jù)關(guān)聯(lián)規(guī)則算法抽取出數(shù)據(jù)的頻繁項(xiàng)集，具體步驟為：
[0028] 步驟S101、根據(jù)數(shù)據(jù)中項(xiàng)目的集合，數(shù)據(jù)集的大小等情況，以及使用該數(shù)據(jù)的用戶 的需要，來(lái)設(shè)定一個(gè)較為合理的最小支持度，作為支持度的比較標(biāo)準(zhǔn)。對(duì)原始的項(xiàng)目集合進(jìn) 行成分分析，排成頻數(shù)低的項(xiàng)目，余下項(xiàng)目作為第1項(xiàng)候選集。
[0029] 步驟S102、在hadoop云平臺(tái)上，使用MapReduce技術(shù)，對(duì)原始數(shù)據(jù)集合進(jìn)行處理， 將其分割成鍵值對(duì)序列。在其他節(jié)點(diǎn)上，使用MapReduce對(duì)第k項(xiàng)候選集進(jìn)行處理，并進(jìn)行 標(biāo)記，當(dāng)Map任務(wù)通過(guò)標(biāo)示符識(shí)別出輸入的行屬于哪個(gè)階段之后，對(duì)其進(jìn)行分割，將連接的 列作為key,其他列和標(biāo)識(shí)符作為value輸出。經(jīng)Reduce任務(wù)解析后輸出，計(jì)算出第k項(xiàng)候 選集中各元素的支持度，將它們分別和步驟S101中設(shè)定的最小支持度做比較，找出對(duì)應(yīng)支 持度大于最小支持度的元素，這些元素組成頻繁k項(xiàng)集。
[0030] 步驟S103、通過(guò)頻繁k項(xiàng)集的單表關(guān)聯(lián)，將頻繁k項(xiàng)集作為左右兩表，在hadoop 云平臺(tái)上，使用MapReduce技術(shù)進(jìn)行單表關(guān)聯(lián)，先由map端識(shí)別分割，然后通過(guò)定制的 Combiner進(jìn)行剪枝，剪枝后交由reduce解析，實(shí)現(xiàn)頻繁k項(xiàng)集中事務(wù)列表的求笛卡爾積運(yùn) 算。從而得到第k+Ι項(xiàng)候選集。
[0031] 步驟S104、使用hadoop云平臺(tái)上的Job和JobControl控制步驟S102和步驟S103 中的作業(yè)任務(wù)。Job用來(lái)維護(hù)子任務(wù)的位置信息和依賴關(guān)系，JobControl用來(lái)控制整個(gè)作 用的執(zhí)行過(guò)程。
[0032] 步驟S200、通過(guò)多關(guān)鍵字并行檢索建立頻繁項(xiàng)模型庫(kù)：在hadoop云平臺(tái)上，使用 MapReduce技術(shù)，以頻繁項(xiàng)為關(guān)鍵字，進(jìn)行多關(guān)鍵字并行檢索。根據(jù)頻繁項(xiàng)使用的情況作為 權(quán)值，將頻繁項(xiàng)集中的各頻繁項(xiàng)及其權(quán)值組成鍵值對(duì)序列，以倒排索引的形式建立頻繁項(xiàng) 模型庫(kù)；
[0033] 步驟S300、使用并行分布式排序?qū)z索結(jié)果排序，找出敏感記錄，具體步驟為：在 hadoop云平臺(tái)上，獲取頻繁項(xiàng)權(quán)值的均值，給評(píng)分設(shè)定一個(gè)閾值。以頻繁項(xiàng)為主題，通過(guò)離 線計(jì)算出一個(gè)PageRank向量集合。這個(gè)集合中，每個(gè)向量與一個(gè)頻繁項(xiàng)相關(guān)。使用主題敏 感的PageRank算法對(duì)檢索結(jié)果進(jìn)行排序，并計(jì)算數(shù)據(jù)記錄與主題的匹配情況，找出評(píng)分大 于閾值的敏感記錄。
[0034] 步驟S400、在云平臺(tái)上使用聚類算法對(duì)敏感記錄進(jìn)行差分隱私保護(hù)，具體步驟為： 在hadoop云平臺(tái)上，使用MapReduce技術(shù)，通過(guò)基于劃分的并行化Kmeans聚類算法對(duì)敏感 記錄進(jìn)行聚類，從而將敏感記錄劃分為若干個(gè)簇，每個(gè)簇中的記錄用該簇的中心點(diǎn)差分替 換，使得同一簇中記錄無(wú)法區(qū)分，達(dá)到差分隱私保護(hù)的目的。
[0035] 上述方法中，對(duì)數(shù)據(jù)的頻繁項(xiàng)進(jìn)行了抽取獲得頻繁項(xiàng)集。然后檢索這些頻繁項(xiàng)，以 倒排索引形式建立頻繁項(xiàng)模型庫(kù)。然后對(duì)頻繁項(xiàng)模型庫(kù)進(jìn)行排序，找出會(huì)推測(cè)出敏感信息 的敏感記錄，針對(duì)這部分記錄作差分隱私保護(hù)。這樣就避免了不必要的信息損失，在保障數(shù) 據(jù)效用的同時(shí)，減少數(shù)據(jù)隱私泄露，保障數(shù)據(jù)安全。更重要的是，面對(duì)云平臺(tái)上的大數(shù)據(jù)的 數(shù)據(jù)，可以使用此方法來(lái)進(jìn)行數(shù)據(jù)保護(hù)，能夠在保證數(shù)據(jù)效用的同時(shí)，減少數(shù)據(jù)隱私泄露， 具有很大的價(jià)值，可以有效的加強(qiáng)數(shù)據(jù)保護(hù)方面的云安全。
【權(quán)利要求】
1. 一種基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法，其特征在于： (1) 根據(jù)關(guān)聯(lián)規(guī)則算法抽取出數(shù)據(jù)的頻繁項(xiàng)集； (2) 通過(guò)多關(guān)鍵字并行檢索建立頻繁項(xiàng)模型庫(kù)； (3) 使用并行分布式排序算法對(duì)檢索結(jié)果排序，找出敏感記錄； (4) 在云平臺(tái)上使用聚類算法對(duì)敏感記錄進(jìn)行差分隱私保護(hù)。
2. 根據(jù)權(quán)利要求1所述基于頻繁項(xiàng)檢索的云平臺(tái)隱私保護(hù)方法，其特征在于，所述步 驟（1)包括： (1-1)根據(jù)數(shù)據(jù)情況和用戶需要設(shè)定最小支持度和第1項(xiàng)候選集； (1-2)分析原始數(shù)據(jù)的數(shù)據(jù)項(xiàng)，構(gòu)建鍵值對(duì)序列集，通過(guò)鍵值對(duì)序列集合第k項(xiàng)候選集 的關(guān)聯(lián)，找出頻繁k項(xiàng)集； (1-3)對(duì)頻繁k項(xiàng)集的單表關(guān)聯(lián)，并進(jìn)行分布式剪枝，得出第k+Ι項(xiàng)候選集； (1-4)對(duì)步驟（1-2)和（1-3)中的作業(yè)任務(wù)進(jìn)行組合式鏈接執(zhí)行，直到不能找出k+Ι項(xiàng) 候選集。
3. 根據(jù)權(quán)利要求1所述基于頻繁項(xiàng)檢索的云平臺(tái)差分隱私保護(hù)方法，其特征在于，所 述步驟⑵包括： 在云平臺(tái)上，使用針對(duì)頻繁項(xiàng)的多關(guān)鍵字并行檢索，根據(jù)頻繁項(xiàng)集中的各頻繁項(xiàng)及其 權(quán)值，以倒排索引的形式建立頻繁項(xiàng)模型庫(kù)。
4. 根據(jù)權(quán)利要求1所述基于頻繁項(xiàng)檢索的云平臺(tái)差分隱私保護(hù)方法，其特征在于，所 述步驟（3)包括： 在云平臺(tái)上，根據(jù)頻繁項(xiàng)權(quán)值的分布情況，給評(píng)分設(shè)定一個(gè)閾值，以頻繁項(xiàng)及其權(quán)值為 關(guān)鍵字，使用并行分布式排序算法對(duì)檢索結(jié)果進(jìn)行排序，找出評(píng)分大于閾值的敏感記錄。
5. 根據(jù)權(quán)利要求1所述基于頻繁項(xiàng)檢索的云平臺(tái)差分隱私保護(hù)方法，其特征在于，所 述步驟⑷包括： 在云平臺(tái)上，使用并行化的聚類算法對(duì)敏感記錄進(jìn)行聚類，從而將敏感記錄劃分為若 干個(gè)簇，每個(gè)簇中的記錄用該簇的中心點(diǎn)差分替換，達(dá)到差分隱私保護(hù)的目的。
【文檔編號(hào)】G06F17/30GK104123504SQ201410305357
【公開(kāi)日】2014年10月29日 申請(qǐng)日期:2014年6月27日 優(yōu)先權(quán)日:2014年6月27日
【發(fā)明者】鐘珞, 楊光, 李琳, 唐琨皓 申請(qǐng)人:武漢理工大學(xué)