大数据-算法-可信数据库中的隐私保护技术研究.pdf

在大数据和算法的背景下，可信数据库中的隐私保护技术成为了重要的研究课题。随着信息化社会的快速发展和公众对隐私的关注度不断提升，隐私数据库的设计和管理不仅要确保数据的安全，还需要在保护个人隐私的同时，允许合理的数据使用。这要求隐私数据库在处理个体敏感信息时，遵循用户设定的隐私保护规则，从而在隐私保护与数据利用之间找到平衡。 本文的研究主要集中在以下几个方面： 1. 面向数据库的隐私模型：传统的隐私模型主要基于关系视图，关注隐私与个人信息的语义关系，而忽略了隐私与环境的相互作用。文章提出了一种新的隐私模型，强调操作映射在隐私保护中的作用，建立了隐私分类体系，并特别讨论了多拥有者隐私这一尚未得到充分研究的隐私类型，分析了其产生机制和保护需求。 2. 基于代理机制的隐私建模方法：为了应对隐私的动态性，即隐私随环境变化而演化的特点，文章提出了一种基于对象代理的建模方法。这种方法结合了关系模型和面向对象模型的优点，通过代理对象来表示不同视角下的隐私，允许用户选择性地公开特定隐私属性，同时维持不同视角间的一致性，减少了隐私管理的复杂性。 3. EPAL规范的隐私保护SQL语言设计与实现：考虑到现实中隐私拥有者可能难以详细指定隐私要求，文章设计了一种基于EPAL（Enhanced Privacy-Preserving Access Language）规范的隐私保护SQL语言，简化了隐私策略的定义，并在SQL语法基础上实现了一种易于使用的隐私保护工具。 4. 多拥有者隐私数据的策略冲突检测：文章指出，多拥有者隐私的情况中，创建者和拥有者可能不一致，每个拥有者都有自己的隐私保护要求。为此，研究建立了一套图形化描述隐私约束的方法，以及基于子图同构的策略冲突检测机制，用于识别和解决不同拥有者之间的隐私策略冲突。 这些研究进展为大数据环境下的隐私保护提供了新的理论框架和技术手段，有助于在保障数据利用的同时，更好地保护个人隐私。通过代理机制和定制化的SQL语言，可以更灵活地管理和控制隐私数据，而冲突检测机制则确保了多拥有者情况下的隐私策略一致性。这些成果对于构建更安全、更可信的大数据系统具有重要意义。