[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

说明书

本发明公开了一种基于德尔熵值法的大数据平台隐私保护评价方法及装置，构建基于概率统计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；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；)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。本发明建立了隐私保护模糊综合评价模型和隐私保护层次分析模型，通过两阶段的回溯层次分析得到隐私保护后的数据分布总体的评价指标值和评价参数值，根据评价指标和评价参数值计算出单因素评价向量，降低人为因素的干扰，提高了评价指标权重分配的准确性和公平性，实现了对分块混淆隐私保护方法的可视化评价。

技术领域

本发明涉及数据安全技术领域，具体涉及一种基于德尔熵值法的大数据平台隐私保护评价方法及装置。

背景技术

随着信息技术和社会的不断发展，以及移动互联网、物联网、云计算应用的进一步丰富，数据已呈指数级增长，大数据时代悄然到来。近几年，大数据技术越来越成熟，大数据应用也越来越多，人们在关注大数据的储存、处理和迁移的同时，也逐渐开始重视大数据的隐私保护问题。

数据隐私保护一直是个热点研究问题，学者们已经提出了很多数据隐私保护方法。很多隐私保护方法虽然可以在一定程度上保护数据的隐私，但是对于大数据的隐私保护，它们还存在着一些缺陷：加密方式重构代价大，密文处理困难；差分保护，去除噪音困难，数据容易失真；混淆方法，数据处理效率不高，重构速度慢；k匿名，容易导致部分数据缺失，且无法重构。

为了能够提高大数据的隐私效果，一种基于分块混淆的隐私保护方法被提出，该方法首先通过构造三方(可信第三方、云服务提供商和租户)可信交互模型，然后将数据分成多个数据块，并混淆数据块和数据分片之间关系，最后将数据关系存储到可信第三方以便快速重构数据。分块混淆的方法不仅可以实现在明文状态下保护用户的数据隐私，而且还可以保证数据的完整性，提高数据的处理效率。

分块混淆的隐私保护方法虽然可以实现明文状态下保护大数据的隐私，但是隐私保护效果如何，还需要进一步的验证。目前，关于隐私保护评价方面的研究已经取得了很多成果，一些隐私评价方法也相继被提出，然而这些评价方法都不能很好地评价分块混淆隐私保护方法的隐私保护效果。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于德尔熵值法的大数据平台隐私保护评价方法及装置，实现对分块混淆技术的可视化隐私评价，建立了基于德尔熵值法的隐私保护模糊综合评价模型和基于概率统计的隐私保护层次分析模型，通过两阶段的回溯层次分析得到隐私保护后的数据分布总体的评价指标值和评价参数值，根据评价指标和评价参数值计算出单因素评价向量，降低人为因素的干扰，同时综合并改进了基于主观判断的德尔菲法和客观判断的熵值法，提高了评价指标权重分配的准确性和公平性，实现了对分块混淆隐私保护方法的可视化评价，为分块混淆隐私保护方法的进一步优化提供了理论基础和方向。

本发明所采用的技术方案是：

一种基于德尔熵值法的大数据平台隐私保护评价方法，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。

进一步的，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；