大数据隐私保护技术综述-大数据-2016

一、引言

如何在不泄露用户隐私的前提下，提高大数据的利用率，挖掘大数据的价值，是目前大数据研究领域的关键问题。具体而言，实施大数据环境下的隐私保护，需要在大数据产生的整个生命周期中考虑两个方面：如何从大数据中分析挖掘出更多 的价值；如何保证在大数据的分析使用过程中，用户的隐私不被泄露。本论文将围绕下图所示的大数据隐私保护生命周期模型展开。

二、大数据生命周期的隐私保护模型

2.1 数据发布

与传统针对隐私保护进行的数据发布手段相比，大数据发布面临的风险是大数据的发布是动态的，且针对同一用户的数据来源众多，总量巨大。需要解决的问题是如果在数据发布时，保证用户数据可用的情况下，高效、可靠地去掉可能泄露用户隐私的内容。传统针对数据的匿名发布技术，包括k-匿名、l-diversity匿名、t-closeness匿名、个性化匿名、m-invariance匿名、基于“角色构成”的匿名方法等，可以实现对发布数据时的匿名保护。在大数据环境下，需要对这些数据进行改进和发展。

2.2 数据存储

在大数据时代，数据存储方一般为云存储平台，大数据的存储者和拥有者是分离的，云存储服务商并不能保证是完全可信的。用户的数据面临着被不可信的第三方偷窃数据或者篡改数据的风险。加密方法是解决该问题的传统思路，但是，由于大数据的查询、统计、分析和计算等操作也需要在云端进行，为传统加密技术带来了新的挑战。同态加密技术、混合加密