基于属性分类的分布式大数据隐私保护加密控制模型设计

来源：计算机测量与控制杂志2023年第11期北京时间：

作者：姜春峰

单位：西北大学现代学院

摘要：在分布式大数据的存储和传输过程中,数据极易被恶意用户攻击,造成数据的泄露和丢失。为提高分布式大数据的存储和传输安全性,设计了基于属性分类的分布式大数据隐私保护加密控制模型。挖掘用户隐私数据,以分布式结构存储。根据分布式隐私数据特征,判断数据的属性类型。利用Logistic混沌映射,迭代生成数据隐私保护密钥,通过匿名化、混沌映射、同态加密等步骤,实现对隐私数据的加密处理。利用属性分类技术,控制隐私保护数据访问进程,在传输协议的约束下,实现分布式大数据隐私保护加密控制。实验结果表明,设计模型的明文和密文相似度较低,访问撤销控制准确率高达98.9%,在有、无攻击工况下,隐私数据损失量较少,具有较好的加密、控制性能和隐私保护效果,有效降低了隐私数据的泄露风险,提高了分布式大数据的存储和传输安全性。

关键词：属性分类;分布式大数据;隐私保护;加密控制模型;Logistic混沌映射;

基金资助：陕西教师发展研究计划项目,陕西省教育厅,青年项目:基于学生行为数据的深度学习模型研究与应用,项目编号:2022JSQ020