[发明专利]基于德尔熵值法的大数据平台隐私保护评价方法及装置

权利要求书

1.一种基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，该方法包括以下步骤：

(1)构建基于概率统计的的隐私保护层次分析模型，求解隐私保护数据的隐私保护评价指标；

(2)根据步骤1中得到的隐私保护评价指标，建立基于德尔熵值法的隐私保护模糊综合评价模型；

(3)获取隐私保护模糊综合评价模型的综合评价得分，并根据得分和等级标准获取最终的评价结果。

2.根据权利要求1所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述基于概率统计的的隐私保护层次分析模型，包括：

(1-1)输入层，待评价隐私保护后的用户数据；

(1-2)数据存储模式层，以待评价隐私保护后的用户数据为输入，根据用户需求的差异、SaaS应用需求以及云服务商的利益因素，将待评价隐私保护后的用户数据存储在不同的数据存储模式DSM中；

(1-3)数据分块层，将每个数据存储模式中用户数据，分成不同的数据块；

(1-4)用户层，存储在每个数据存储模式DSM和数据块中的用户数据；

(1-5)隐私保护评价指标层，定义隐私保护评价指标及其计算公式；

(1-6)回逆层，通过用户层向数据存储模式层、数据存储模式层向输入层的两阶段回逆，计算出隐私保护数据总的评价指标和评价参数值。

3.根据权利要求2所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述通过租户层向数据存储模式层、数据存储模式层向输入层的两阶段回逆，计算出隐私保护数据总的评价指标和评价参数值，包括：

根据隐私保护评价指标的定义及其计算公式，计算出每个用户在每个DSM下的隐私保护评价指标值，然后基于所有用户的隐私保护评价指标值，计算每个DSM的隐私保护评价指标和评价参数值，最后基于所有DSM的评价指标和评价参数值，计算出隐私保护数据总的隐私保护评价指标和评价参数值。

4.根据权利要求2所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述隐私保护评价指标包括隐私属性泄露概率、隐私属性泄露比率、隐私属性值熵和块偏离度；评价参数值包括隐私属性泄露概率、隐私属性泄露比率、隐私属性值熵和块偏离度的均值和方差。

5.根据权利要求1所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述建立基于德尔熵值法的隐私保护模糊综合评价模型，包括：

(2-1)确定隐私保护评价对象的评价因素集和评语集，设定隐私保护评价级别划分的等级标准；

(2-2)对每个评价指标进行单因素评价，得到各评价指标的评价向量，根据各评价指标的评价向量构建评价矩阵；

(2-3)采用基于德尔菲法和熵值法的综合权重确定法，得到各隐私保护评价指标权重；

(2-4)采用模糊矩阵复合运算，得到模糊综合评价得分和评价结果。

6.根据权利要求5所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述隐私保护评价对象的评价因素集包括隐私属性泄露概率、隐私属性泄露比率、隐私属性值熵和块偏离度；所述评语集包括非常好、好、一般和差。

7.根据权利要求5所述的基于德尔熵值法的大数据平台隐私保护评价方法，其特征是，所述采用基于德尔菲法和熵值法的综合权重确定法，得到各评价指标权重，包括：

从若干个评审专家中进行m次抽取，组成m个小组，每次抽取的人数一定但不同，得到m个组评价指标的打分；

利用m个组评价指标的打分，构建决策矩阵；

基于决策矩阵，计算各隐私保护评价指标下所有分组的总评价得分之和；

分别将各隐私保护评价指标下每组评分与所有分组的总评价得分做商，得到各隐私保护评价指标下每组评分的贡献值；

基于各隐私保护评价指标下每组评分的贡献值，计算各隐私保护评价指标下所有分组评分对指标值的熵值；

计算各隐私保护评价指标的重要程度，将各隐私保护评价指标的重要程度与总的重要程度相比，得到各隐私保护评价指标的权重。