3、大数据隐私与物联网设备访问控制研究综述

大数据隐私与物联网设备访问控制研究综述

大数据隐私保护

在大数据时代，数据的隐私保护至关重要。大数据分析工具如 Hadoop 和 Spark 能帮助数据科学家应对商业挑战，提供商业智能解决方案，包括仪表盘、报告、查询以及预测分析等。然而，数据科学家必须确保个人用户的隐私。

现有的数据类型包括结构化、半结构化、准结构化和非结构化数据，其中约 80% 是非结构化数据。因此，现有的算法需要重新设计，以处理非结构化的隐私保护数据。现有的基于密码学和随机化的算法是为较小的数据集设计的，所以需要新的隐私保护框架来处理分布在多个集群中的大量数据。

面临的挑战包括开发适用于大数据的高效可扩展算法、净化数据的实用性、数据记忆、数据来源、审计跟踪和隐私保证等。近期的技术框架如 Map Reduce、Spark 等有能力处理此类大数据。

物联网设备访问控制与认证

物联网（IoT）是信息技术领域的新兴现象，指的是联网设备的普遍存在，这些设备能够从现实世界收集信息并执行操作。随着第五代网络高速无线下载速度和云存储服务的日益普及，到 2020 年，物联网设备预计将达到 260 亿台。

物联网设备具有高集成性，广泛应用于医疗保健、智能家居和关键基础设施等领域。但这也使得它们成为网络攻击的目标，黑客组织可能会进行类似震网病毒的攻击，控制大量物理机制，收集大量数据或造成实际损害。

可靠的访问控制是防止此类攻击的重要支柱。访问控制包括认证（识别请求数据的来源是否真实）、授权（决定认证用户可访问的数据）和问责（记录授权用户的操作以便审查）。然而，物联网设备的特性使得可靠的访问控制面临重大挑战。这些设备需要实时处理大量数据流，要对大量异