作者：杨通国大数据分类隐私加密
摘要：在大数据中蕴含了很多丰富的信息，是具有较高价值的数据集合，为了避免由于数据挖掘而造成的用户隐私泄露，需要进行大数据中的分类隐私加密，但是采用当前算法进行数据分类加密时，难以提取需要加密的数据特征，存在大数据中的分类隐私加密误差大的问题。提出改进最佳桶划分的大数据中的分类隐私加密方法。在叶贝斯理论基础上，采用目前时间窗口上的数据集调整其它窗口上的数据权重。根据不一样窗口权重构造贝叶斯分类器，构建贝叶斯的多窗口数据流分类模型，获取需要加密的隐私数据。利用最佳桶划分理论提取加密数据的划分值和转换查询数据库的SQL语句，利用提取的结果完成对大数据中的分类隐私加密。仿真结果表明，所提方法能提高大数据中的分类隐私加密系统的整体性能。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
