支持挖掘的流式數(shù)據(jù)脫敏關(guān)鍵技術(shù)研究.pdf

1、隨著大數(shù)據(jù)產(chǎn)業(yè)的蓬勃發(fā)展，人們對數(shù)據(jù)分析挖掘的需求日益增長，如何在對外發(fā)布數(shù)據(jù)的時候保護敏感數(shù)據(jù)不被泄漏成為一個研究重點。數(shù)據(jù)脫敏技術(shù)能夠有效的解決這個問題，它能夠在保持數(shù)據(jù)原始特征的同時改變它的數(shù)值，從而保護敏感數(shù)據(jù)免于未經(jīng)授權(quán)的訪問，同時由于其格式未受到破壞又可以正常的執(zhí)行數(shù)據(jù)處理操作?，F(xiàn)有的數(shù)據(jù)脫敏研究大多數(shù)基于靜態(tài)數(shù)據(jù)集，而對流數(shù)據(jù)的脫敏處理研究甚少。目前大數(shù)據(jù)領(lǐng)域流數(shù)據(jù)實時分析儼然成為一個研究熱點，本文的目標是對流數(shù)據(jù)脫敏關(guān)鍵

2、技術(shù)進行研究并設計一個能夠高效穩(wěn)定運行于流數(shù)據(jù)環(huán)境的數(shù)據(jù)脫敏方案。
　　本文通過對流數(shù)據(jù)脫敏需求分析提出了流數(shù)據(jù)脫敏發(fā)布總體流程，該流程主要包括數(shù)據(jù)身份匿名化、數(shù)據(jù)一致性處理與數(shù)據(jù)脫敏三個方面。本文所做的工作包括將數(shù)據(jù)匿名化技術(shù)應用到數(shù)據(jù)脫敏流程中完成對數(shù)據(jù)身份的匿名操作。針對已有的數(shù)據(jù)流匿名化算法中信息損失較大的問題，通過持續(xù)對已發(fā)布匿名簇的優(yōu)化實現(xiàn)信息損失的降低，提高了數(shù)據(jù)的可用性。
　　同時，本文針對數(shù)據(jù)脫敏領(lǐng)域中常見

3、的特定格式數(shù)據(jù)提出了基于正則表達式的數(shù)據(jù)脫敏算法，算法利用正則表達式的通用性，基于有限自動機的原理對數(shù)據(jù)進行變換操作，保證生成的數(shù)據(jù)符合用戶給定的正則表達式中所定義的格式。基于正則的數(shù)據(jù)脫敏算法能夠廣泛應用于大部分數(shù)據(jù)脫敏場景，對于一些具有特殊限定的或難以用正則表達式表示的常用脫敏場景如姓名、地址信息的脫敏，本文對其脫敏需求進行了討論并根據(jù)其特點提出了相應的脫敏算法。
　　本文在對數(shù)據(jù)脫敏相關(guān)技術(shù)研究的基礎上，將本文所提出的相關(guān)算