要從攻擊后的 染色數(shù)據(jù)中提取顏色，并采用云相似性度量方法將提取的顏色定量值與原始顏色定量值進(jìn) 行相似性比較，通過(guò)多次實(shí)驗(yàn)求得其均值作為實(shí)驗(yàn)結(jié)果，數(shù)據(jù)子集增加、子集選擇、子集更 改攻擊在不同比例時(shí)的顏色檢測(cè)相似度分析如圖6所示。數(shù)據(jù)子集增加攻擊是攻擊者通過(guò) 在染色后的數(shù)據(jù)集中添加新的記錄，給顏色檢測(cè)過(guò)程造成很大困難，從而達(dá)到攻擊數(shù)據(jù)的 目的。實(shí)驗(yàn)中通過(guò)給原始數(shù)據(jù)集中隨機(jī)添加不同比例的數(shù)據(jù)元組，再通過(guò)本發(fā)明提取顏色， 并計(jì)算顏色的相似度，圖6中子集增加攻擊曲線表明當(dāng)子集增加比例達(dá)到50%時(shí)，本發(fā)明 仍可有效地提取出顏色的定量值，顏色檢測(cè)相似度為0. 67。數(shù)據(jù)子集選擇攻擊會(huì)影響到顏 色的檢測(cè)，由于本發(fā)明在選擇染色位置時(shí)采用的是混沌序列映射方法，保證了染色位置的 隨機(jī)性和普遍性，當(dāng)刪除數(shù)據(jù)量較多時(shí)，數(shù)據(jù)集失去意義，刪除的數(shù)據(jù)量較少時(shí)，本發(fā)明可 以有效檢測(cè)到顏色，圖6中子集選擇攻擊曲線表明當(dāng)子集選擇比例達(dá)到50%時(shí)，顏色的檢 測(cè)相似度為〇. 61。數(shù)據(jù)子集更改攻擊是攻擊者隨機(jī)對(duì)染色數(shù)據(jù)的元組進(jìn)行更改，導(dǎo)致顏色 無(wú)法準(zhǔn)確檢測(cè)出來(lái)，由于染色位置具有隨機(jī)性，當(dāng)更改的數(shù)據(jù)記錄較多時(shí)，數(shù)據(jù)本身自然失 去意義，更改的數(shù)據(jù)較少時(shí)，同樣可以用該方法檢測(cè)到顏色，圖6中子集更改攻擊曲線表明 當(dāng)子集更改率達(dá)到50%時(shí)，顏色檢測(cè)相似度0. 58,說(shuō)明本發(fā)明對(duì)于常見(jiàn)的攻擊方式都具有 很好的魯棒性。
[0068] 本發(fā)明的基于數(shù)據(jù)染色的隱私保護(hù)方法中，包括基于云模型的數(shù)據(jù)染色方法和基 于算術(shù)平均最小貼進(jìn)度的云相似性度量方法。該隱私保護(hù)方法可對(duì)泄露的隱私數(shù)據(jù)進(jìn)行版 權(quán)追蹤認(rèn)證，進(jìn)而有效保護(hù)隱私數(shù)據(jù)。，最后在實(shí)驗(yàn)中采用UCI數(shù)據(jù)集對(duì)基于數(shù)據(jù)染色的隱 私保護(hù)方法進(jìn)行仿真實(shí)驗(yàn)。，通過(guò)實(shí)驗(yàn)分析了該方法有效的證實(shí)了本發(fā)明的有效性、算法性 能及參數(shù)誤差，并在與基于k-匿名的隱私保護(hù)方法在運(yùn)行效率方面進(jìn)行了比較的。結(jié)果表 明，該方法本發(fā)明在保證對(duì)數(shù)據(jù)隱私保護(hù)的同時(shí)，對(duì)數(shù)據(jù)的處理效率更高。
【主權(quán)項(xiàng)】
1. 一種基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，包括w下步驟： 1) 獲取數(shù)據(jù)版權(quán)標(biāo)識(shí)信息，采用數(shù)據(jù)版權(quán)標(biāo)識(shí)信息經(jīng)化sh算法加密得到信息摘要S， 再根據(jù)所述信息摘要S得云模型的期望Ex、賭化及超賭化，然后將云模型的期望Ex、賭化 及超賭化作為輸入?yún)?shù)輸入到前向顏色生成器算法CG中，得N組第一顏色定量值； 2) 通過(guò)步驟1)得到的N組第一顏色定量值對(duì)用戶的數(shù)據(jù)集進(jìn)行染色，然后將染色的數(shù) 據(jù)上傳至云服務(wù)器中； 3) 采用數(shù)據(jù)染色算法的逆過(guò)程從染色的數(shù)據(jù)集中提取出所述N組第二顏色定量值 1x1，而，…，刮}，再將所述N組第二顏色定量值1x1，枯…，xj輸入到逆向顏色生成器算法 中，得提取過(guò)程中的期望Ex'、賭化'及超賭化'； 4) 將步驟3)得到的提取過(guò)程中的期望Ex'、賭化'及超賭化'、步驟1)得到的云模 型的期望Ex、賭化及超賭化、W及用戶預(yù)設(shè)的相似度閥值0。作為輸入?yún)?shù)輸入到前向顏 色生成器算法中，產(chǎn)生N組第=顏色定量值，并將得到的N組第=顏色定量值按大小進(jìn)行排 序，再篩選出有效范圍圧Xu-3Eriu，EXu+3化。]和圧Xy-3Eny，EXy+3化J內(nèi)的第S顏色定量值， 然后在有效范圍圧Xu-3Eriu，EXu+3化。]和圧Xy-3化y，EXy+3化J內(nèi)，計(jì)算云模型的期望Ex、賭 化及超賭化與提取過(guò)程中的期望Ex'、賭化'及超賭化'的相似度，當(dāng)所述相似度大于 等于用戶預(yù)設(shè)的相似度閥值0。時(shí)，服務(wù)器則將染色的數(shù)據(jù)集授權(quán)給用戶。2. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，信息摘要S的表 達(dá)式為： S=MiM2…M32 (1) 其中，Ml為信息摘要的第i位，1《i《32。3. 根據(jù)權(quán)利要求2所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，步驟1)中再根 據(jù)所述信息摘要S得云模型的期望Ex、賭化及超賭化的具體操作為：將信息摘要S分為 子序列Si、S2及S3,再分別計(jì)算出子序列Si、S2及S3的浮點(diǎn)型數(shù)據(jù)，然后將子序列S1、S2及 S3的浮點(diǎn)型數(shù)據(jù)依次作為云模型的望Ex、賭化和超賭化，其中，4. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，步驟1)中將云 模型的期望Ex、賭化及超賭化作為輸入?yún)?shù)輸入到前向顏色生成器算法CG中，得N組第 一顏色定量值的具體操作為： 將云模型的期望Ex、賭化和超賭化、W及參數(shù)N作為輸入?yún)?shù)輸入到前向顏色生成器 算法中，得W云模型的賭化為期望、超賭化為方差的正態(tài)隨機(jī)數(shù)化'1 =NORM巧n，化2)，并 計(jì)算W期望Ex為期望、En'1為方差的正態(tài)隨機(jī)數(shù)x,=JV嫌?M;(疏，:勵(lì)f}，再根據(jù)及化'^ 得隸屬度然后再根據(jù)隸屬度輸出N組第一顏色定量值。5. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，步驟2)的具體 操作為： 對(duì)染色密鑰k和數(shù)據(jù)記錄的關(guān)鍵字Ki進(jìn)行歸一化處理，再W歸一化得到的結(jié)果作為 化ebyshev混濁序列的初值輸入到化ebyshev混濁序列發(fā)生器中進(jìn)行混濁計(jì)算，然后根據(jù) 混濁計(jì)算的結(jié)果di及染色間隔值參數(shù)P判斷數(shù)據(jù)集中的數(shù)據(jù)元組是否能夠進(jìn)行染色，當(dāng)該 數(shù)據(jù)元組能夠進(jìn)行染色時(shí)，則在數(shù)據(jù)集中選擇屬性A，，當(dāng)所選擇的屬性A,存在冗余空間時(shí)， 則根據(jù)數(shù)據(jù)元組的規(guī)模大小和精度確定選擇的屬性A，能夠染色的LSB位數(shù)，再通過(guò)步驟1) 得到的N組第一顏色定量值替換選擇的屬性A,的后e,位數(shù)據(jù)，完成數(shù)據(jù)的染色，然后再將 染色的數(shù)據(jù)上傳至服務(wù)器中。6. 根據(jù)權(quán)利要求5所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，判斷所選擇的 屬性A，是否存在冗余空間的具體操作為： 預(yù)設(shè)待判斷選擇的屬性A，的充許誤差C%，則該選擇的屬性A,的冗余度e為當(dāng)e> 0,則選擇的屬性A,存在冗余空間。7. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，步驟3)中將所 述N組第二顏色定量值{Xi，X2,…，xj輸入到逆向顏色生成器算法中，得提取過(guò)程中的期望 Ex'、賭化'及超賭化'的具體操作為： 將N組第二顏色定量值{Xi，X2,}輸入到逆向顏色生成器算法中，得均值然后計(jì)算提取過(guò)程中的期望Ex'、賭化'及超 賭化'，其中，8. 根據(jù)權(quán)利要求5所述的基于數(shù)據(jù)染色的隱私保護(hù)方法，其特征在于，根據(jù)混濁計(jì)算 的結(jié)果di及染色間隔值參數(shù)P判斷數(shù)據(jù)集中的數(shù)據(jù)元組是否能夠進(jìn)行染色的具體操作為： a) 將混濁計(jì)算的結(jié)果di與染色間隔值參數(shù)P連成一個(gè)字符串，所述字符串通過(guò)單向 化sh算法轉(zhuǎn)化為32位十六進(jìn)制序列； b) 將步驟a)中產(chǎn)生的32位十六進(jìn)制序列轉(zhuǎn)化為十進(jìn)制數(shù)； C)通過(guò)步驟b)得到的十進(jìn)制數(shù)除WA，當(dāng)步驟b)得到的十進(jìn)制數(shù)除WA的余數(shù)為 零時(shí)，則當(dāng)前數(shù)據(jù)元組能夠進(jìn)行染色，其中，A為數(shù)據(jù)集中數(shù)據(jù)元組的總數(shù)與N的商。
【專利摘要】本發(fā)明公開(kāi)了一種基于數(shù)據(jù)染色的隱私保護(hù)方法，包括：1)再根據(jù)所述信息摘要S得云模型的期望Ex、熵En及超熵He，得N組第一顏色定量值；2)通過(guò)N組第一顏色定量值對(duì)用戶的數(shù)據(jù)集進(jìn)行染色，然后將染色的數(shù)據(jù)上傳至云服務(wù)器中；3)采用數(shù)據(jù)染色算法的逆過(guò)程從染色的數(shù)據(jù)集中提取出所述N組第二顏色定量值，再將所述N組第二顏色定量值輸入到逆向顏色生成器算法中，得提取過(guò)程中的期望Ex′、熵En′及超熵He′；4)在有效范圍內(nèi)，計(jì)算云模型的期望Ex、熵En及超熵He與提取過(guò)程中的期望Ex′、熵En′及超熵He′的相似度，當(dāng)所述相似度大于等于相似度閥值σ0時(shí)，服務(wù)器則將染色的數(shù)據(jù)集授權(quán)給用戶。本發(fā)明能夠在保證數(shù)據(jù)可用性的前提下有效的保護(hù)用戶的隱私數(shù)據(jù)。
【IPC分類】G06F21/60, H04L29/06
【公開(kāi)號(hào)】CN105005739
【申請(qǐng)?zhí)枴緾N201510465706
【發(fā)明人】邵必林, 邊根慶, 權(quán)西瑞, 盧才武, 葉娜, 顧清華, 陳永鋒, 張維琪, 趙煜, 宋丹, 段升強(qiáng)
【申請(qǐng)人】西安建筑科技大學(xué)
【公開(kāi)日】2015年10月28日
【申請(qǐng)日】2015年7月31日