一种基于数据染色的隐私保护方法技术

本发明专利技术公开了一种基于数据染色的隐私保护方法，包括：1)再根据所述信息摘要S得云模型的期望Ex、熵En及超熵He，得N组第一颜色定量值；2)通过N组第一颜色定量值对用户的数据集进行染色，然后将染色的数据上传至云服务器中；3)采用数据染色算法的逆过程从染色的数据集中提取出所述N组第二颜色定量值，再将所述N组第二颜色定量值输入到逆向颜色生成器算法中，得提取过程中的期望Ex′、熵En′及超熵He′；4)在有效范围内，计算云模型的期望Ex、熵En及超熵He与提取过程中的期望Ex′、熵En′及超熵He′的相似度，当所述相似度大于等于相似度阀值σ0时，服务器则将染色的数据集授权给用户。本发明专利技术能够在保证数据可用性的前提下有效的保护用户的隐私数据。

【技术实现步骤摘要】

本专利技术涉及一种隐私保护方法，具体涉及。
技术介绍
在云存储服务为用户带来便利的同时，其自身架构的复杂性也给用户数据的隐私 保护和敏感数据的安全性带来极大的挑战与冲击。对于用户来说，当数据被上传到服务器 时，数据的控制权被交给了服务提供商，云服务的外包存储服务模式使得服务商具有非授 权访问用户隐私数据的能力，容易导致数据信息和隐私泄露的内部攻击问题。因此，在保证 用户数据可高效利用的情况下，保证用户数据安全并满足隐私保护需求，成为隐私保护过 程中要解决的重要问题。 数据隐私保护的目标是防止云存储服务提供商或非法用户泄露、出卖或传播用户 隐私信息，或者对用户数据进行搜集和分析，挖掘出用户隐私数据。在云存储系统中，用户 的身份信息、用户的数据与应用等均属于私密和敏感信息，需要进行保护与隔离。传统的隐 私保护方法，比较经典的有数据加密方法、数字水印技术、数据混淆及访问控制技术等，但 就这些隐私保护方法而言，还存在一定的局限性，包括传统的数据加密算法和水印算法的 安全性较低，加密后的数据和数字水印容易被破解或者破坏，数据一旦被解密，传统的技术 很难对后续的隐私泄露进行追踪；对大规模的数据加密方法处理效率较低，加密后的密文 管理机制不健全，非法用户仍有机会获取用户隐私数据，从而存在隐私数据的安全威胁并 未得到有效解决。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供了一种基于数据染色的隐私保 护方法，该方法能够在保证数据可用性的前提下有效的保护用户的隐私数据，操作较为简 单。 为达到上述目的，本专利技术所述的基于数据染色的隐私保护方法包括以下步骤： 1)获取数据版权标识信息，采用数据版权标识信息经Hash算法加密得到信息摘 要S，再根据所述信息摘要S得云模型的期望Ex、熵En及超熵He，然后将云模型的期望Ex、 熵En及超熵He作为输入参数输入到前向颜色生成器算法CG中，得N组第一颜色定量值； 2)通过步骤1)得到的N组第一颜色定量值对用户的数据集进行染色，然后将染色 的数据上传至云服务器中； 3)采用数据染色算法的逆过程从染色的数据集中提取出所述N组第二颜色定量 值U1, X2,…，xN}，再将所述N组第二颜色定量值U1, X2，…，xN}输入到逆向颜色生成器算法 中，得提取过程中的期望Ex'、熵En'及超熵He'; 4)将步骤3)得到的提取过程中的期望Ex'、熵En'及超熵He'、步骤1)得到的 云模型的期望Ex、熵En及超熵He、以及用户预设的相似度阀值σ。作为输入参数输入到前 向颜色生成器算法中，产生N组第三颜色定量值，并将得到的N组第三颜色定量值按大小进 行排序，再筛选出有效范围和内的第三颜色定量 值，然后在有效范围和内，计算云模型的期望Ex、 熵En及超熵He与提取过程中的期望E?、熵EY及超熵的相似度，当所述相似度大 于等于用户预设的相似度阀值σ。时，服务器则将染色的数据集授权给用户。 信息摘要S的表达式为： S = M1M2 …M32 (1) 其中，信息摘要的第i位，1彡i彡32。 步骤1)中再根据所述信息摘要S得云模型的期望Ex、熵En及超熵He的具体操作 为：将信息摘要S分为子序列Sp &及S 3，再分别计算出子序列Sp &及S 3的浮点型数据， 然后将子序列&及S 3的浮点型数据依次作为云模型的望Ex、熵En和超熵He，其中， 步骤1)中将云模型的期望Ex、熵En及超熵He作为输入参数输入到前向颜色生成 器算法CG中，得N组第一颜色定量值的具体操作为： 将云模型的期望Ex、熵En和超熵He、以及参数N作为输入参数输入到前向 颜色生成器算法中，得以云模型的熵En为期望、超熵He为方差的正态随机数En 1'= NORM (En，He2)，并计算以期望Ex为期望、En/为方差的正态随机数X1= NORM (En，En/ 2)， 再根据En /得隶属度// = ，然后再根据隶属度# 输出N组第一颜色定量 值。 步骤2)的具体操作为： 对染色密钥k和数据记录的关键字1进行归一化处理，再以归一化得到的结果作 为Chebyshev混纯序列的初值输入到Chebyshev混纯序列发生器中进行混纯计算，然后根 据混沌计算的结果Cl 1及染色间隔值参数p判断数据集中的数据元组是否能够进行染色，当 该数据元组能够进行染色时，则在数据集中选择属性A,，当所选择的属性A,存在冗余空间 时，则根据数据元组的规模大小和精度确定选择的属性A,能够染色的LSB位数，再通过步 骤1)得到的N组第一颜色定量值替换选择的属性A,的后ε ,位数据，完成数据的染色，然 后再将染色的数据上传至服务器中。 判断所选择的属性Α,是否存在冗余空间的具体操作为： 预设待判断选择的属性Aj的充许误差c%，则该选择的属性A ^的冗余度e为 当e彡0,则选择的属性、存在冗余空间。 步骤3)中将所述N组第二颜色定量值{Xl，X2，…，x N}输入到逆向颜色生成器算法 中，得提取过程中的期望Ex^、熵EY及超熵的具体操作为： 将N组第二颜色定量值{Xl，X2，…，xN}输入到逆向颜色生成器算法中，得均值 1 = 和方差f 刃2,然后计算提取过程中的期望Ex'、熵En'及超 熵He，，其中，[、/ =义， 根据混沌计算的结果Cl1及染色间隔值参数p判断数据集中的数据元组是否能够 进行染色的具体操作为： a)将混沌计算的结果Cl1与染色间隔值参数p连成一个字符串，所述字符串通过单 向Hash算法转化为32位十六进制序列； b)将步骤a)中产生的32位十六进制序列转化为十进制数； c)通过步骤b)得到的十进制数除以λ，当步骤b)得到的十进制数除以λ的余 数为零时，则当前数据元组能够进行染色，其中，λ为数据集中数据元组的总数与N的商。 本专利技术具有以下有益效果： 本专利技术所述的基于数据染色的隐私保护方法在操作时，通过云模型的期望ExJS En及超熵He作为输入参数输入到前向颜色生成器算法CG中，得N组第一颜色定量值，然后 通过N组第一颜色定量值对用户的数据进行染色，再将染色的数据上传至服务器中，由于 数据经过染色处理，因此未授权的用户无法确定数据是否可用，并且无法确定获取的信息 价值量的大小，从而在一定程度上保护用户数据的安全性；服务器在对用户进行授权之前， 需要通过逆向颜色生成器计算出提取过程中的Ex'、En'和He'，再结合云模型的Ex、En和 He，通过颜色相似度匹配的方法确定数据的可用性程度的高度、以及是否给用户授权，从而 有效的确保用户数据的隐秘性，操作简单，实用性较强。【附图说明】 图1为本专利技术的原理图； 图2为本专利技术中数据染色的流程图； 图3为本专利技术中隐私数据泄露追踪的流程图； 图4为本专利技术的数据染色检测过程图； 图5为验证性试验中本专利技术与k_匿名方法处当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于数据染色的隐私保护方法，其特征在于，包括以下步骤：1)获取数据版权标识信息，采用数据版权标识信息经Hash算法加密得到信息摘要S，再根据所述信息摘要S得云模型的期望Ex、熵En及超熵He，然后将云模型的期望Ex、熵En及超熵He作为输入参数输入到前向颜色生成器算法CG中，得N组第一颜色定量值；2)通过步骤1)得到的N组第一颜色定量值对用户的数据集进行染色，然后将染色的数据上传至云服务器中；3)采用数据染色算法的逆过程从染色的数据集中提取出所述N组第二颜色定量值{x1,x2,…,xN}，再将所述N组第二颜色定量值{x1,x2,…,xN}输入到逆向颜色生成器算法中，得提取过程中的期望Ex′、熵En′及超熵He′；4)将步骤3)得到的提取过程中的期望Ex′、熵En′及超熵He′、步骤1)得到的云模型的期望Ex、熵En及超熵He、以及用户预设的相似度阀值σ0作为输入参数输入到前向颜色生成器算法中，产生N组第三颜色定量值，并将得到的N组第三颜色定量值按大小进行排序，再筛选出有效范围[Exu‑3Enu,Exu+3Enu]和[Exv‑3Env,Exv+3Env]内的第三颜色定量值，然后在有效范围[Exu‑3Enu,Exu+3Enu]和[Exv‑3Env,Exv+3Env]内，计算云模型的期望Ex、熵En及超熵He与提取过程中的期望Ex′、熵En′及超熵He′的相似度，当所述相似度大于等于用户预设的相似度阀值σ0时，服务器则将染色的数据集授权给用户。...

【技术特征摘要】

【专利技术属性】
技术研发人员：邵必林，边根庆，权西瑞，卢才武，叶娜，顾清华，陈永锋，张维琪，赵煜，宋丹，段升强，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61