从传锋，杨 桢

(重庆师范大学涉外商贸学院，重庆 401520)

1 引言

大数据的快速发展虽然给生活提供了极大的便利，可同样也伴随着巨大的风险。在大数据的环境下，隐私信息很容易泄漏，通过网络所留下的一些信息，有可能被一些人进行利用，对此造成的损失以及后果是无法挽回的[1]。而各领域之间的数据共享和交换，对数据隐私保护提出了更多的要求，以此来迫使发布的匿名数据隐私满足所有用户的需求。

潘明波[2]提出的大数据环境下网络数据隐私保护算法研究。先获取隐私数据的特征，然后随机生成一个变换函数，根据变换函数对隐私数据的特征值进行变换，实现隐私信息保护。该方法效率高，但保护效果不理想，存在较大误差。刘彦和张琳[3]提出了位置大数据中一种基于Bloom Filter的匿名保护方法。采用隐私度量技术划分匿名区，来隐藏隐私数据的真实位置。该方法保护效果好，但效率较低。

为此，提出一种基于大数据模式分解的隐私信息保护方法，利用网路数据隐私保护原理生成随机转化回答结果，再通过属性聚类的方式对准标识符属性类似值与敏感属性类似值进行聚类，接着完成等价划分，最终本文方法与MAH-ABE算法、CP-ABPRE两种算法对比，经过实验以后，本文方法具有优越性。

2 大数据模式分解

利用各种数据分解方法，以保证大数据满足隐私保护的要求，所有的数据都是通过等价类标识符进行连接的，因此需要建立数据模式矩阵，接着利用模式矩阵完成对大数据分解[4]。……