一種基于數(shù)據(jù)染色的隱私保護(hù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種隱私保護(hù)方法，具體涉及一種基于數(shù)據(jù)染色的隱私保護(hù)方法。
【背景技術(shù)】
[0002] 在云存儲(chǔ)服務(wù)為用戶帶來(lái)便利的同時(shí)，其自身架構(gòu)的復(fù)雜性也給用戶數(shù)據(jù)的隱私 保護(hù)和敏感數(shù)據(jù)的安全性帶來(lái)極大的挑戰(zhàn)與沖擊。對(duì)于用戶來(lái)說(shuō)，當(dāng)數(shù)據(jù)被上傳到服務(wù)器 時(shí)，數(shù)據(jù)的控制權(quán)被交給了服務(wù)提供商，云服務(wù)的外包存儲(chǔ)服務(wù)模式使得服務(wù)商具有非授 權(quán)訪問(wèn)用戶隱私數(shù)據(jù)的能力，容易導(dǎo)致數(shù)據(jù)信息和隱私泄露的內(nèi)部攻擊問(wèn)題。因此，在保證 用戶數(shù)據(jù)可高效利用的情況下，保證用戶數(shù)據(jù)安全并滿足隱私保護(hù)需求，成為隱私保護(hù)過(guò) 程中要解決的重要問(wèn)題。
[0003] 數(shù)據(jù)隱私保護(hù)的目標(biāo)是防止云存儲(chǔ)服務(wù)提供商或非法用戶泄露、出賣或傳播用戶 隱私信息，或者對(duì)用戶數(shù)據(jù)進(jìn)行搜集和分析，挖掘出用戶隱私數(shù)據(jù)。在云存儲(chǔ)系統(tǒng)中，用戶 的身份信息、用戶的數(shù)據(jù)與應(yīng)用等均屬于私密和敏感信息，需要進(jìn)行保護(hù)與隔離。傳統(tǒng)的隱 私保護(hù)方法，比較經(jīng)典的有數(shù)據(jù)加密方法、數(shù)字水印技術(shù)、數(shù)據(jù)混淆及訪問(wèn)控制技術(shù)等，但 就這些隱私保護(hù)方法而言，還存在一定的局限性，包括傳統(tǒng)的數(shù)據(jù)加密算法和水印算法的 安全性較低，加密后的數(shù)據(jù)和數(shù)字水印容易被破解或者破壞，數(shù)據(jù)一旦被解密，傳統(tǒng)的技術(shù) 很難對(duì)后續(xù)的隱私泄露進(jìn)行追蹤；對(duì)大規(guī)模的數(shù)據(jù)加密方法處理效率較低，加密后的密文 管理機(jī)制不健全，非法用戶仍有機(jī)會(huì)獲取用戶隱私數(shù)據(jù)，從而存在隱私數(shù)據(jù)的安全威脅并 未得到有效解決。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種基于數(shù)據(jù)染色的隱私保 護(hù)方法，該方法能夠在保證數(shù)據(jù)可用性的前提下有效的保護(hù)用戶的隱私數(shù)據(jù)，操作較為簡(jiǎn) 單。
[0005] 為達(dá)到上述目的，本發(fā)明所述的基于數(shù)據(jù)染色的隱私保護(hù)方法包括以下步驟：
[0006] 1)獲取數(shù)據(jù)版權(quán)標(biāo)識(shí)信息，采用數(shù)據(jù)版權(quán)標(biāo)識(shí)信息經(jīng)Hash算法加密得到信息摘 要S，再根據(jù)所述信息摘要S得云模型的期望Ex、熵En及超熵He，然后將云模型的期望Ex、 熵En及超熵He作為輸入?yún)?shù)輸入到前向顏色生成器算法CG中，得N組第一顏色定量值；
[0007] 2)通過(guò)步驟1)得到的N組第一顏色定量值對(duì)用戶的數(shù)據(jù)集進(jìn)行染色，然后將染色 的數(shù)據(jù)上傳至云服務(wù)器中；
[0008] 3)采用數(shù)據(jù)染色算法的逆過(guò)程從染色的數(shù)據(jù)集中提取出所述N組第二顏色定量 值U1, X2,…，xN}，再將所述N組第二顏色定量值U1, X2，…，xN}輸入到逆向顏色生成器算法 中，得提取過(guò)程中的期望Ex'、熵En'及超熵He';
[0009] 4)將步驟3)得到的提取過(guò)程中的期望Ex'、熵En'及超熵He'、步驟1)得到的 云模型的期望Ex、熵En及超熵He、以及用戶預(yù)設(shè)的相似度閥值σ。作為輸入?yún)?shù)輸入到前 向顏色生成器算法中，產(chǎn)生N組第三顏色定量值，并將得到的N組第三顏色定量值按大小進(jìn) 行排序，再篩選出有效范圍[Exu-3Enu，Exu+3Enu]和[Ex v-3Env，Exv+3Env]內(nèi)的第三顏色定量 值，然后在有效范圍[Exu-3Enu，Exu+3Enu]和[Ex v-3Env，Exv+3Env]內(nèi)，計(jì)算云模型的期望Ex、 熵En及超熵He與提取過(guò)程中的期望E?、熵EY及超熵的相似度，當(dāng)所述相似度大 于等于用戶預(yù)設(shè)的相似度閥值σ。時(shí)，服務(wù)器則將染色的數(shù)據(jù)集授權(quán)給用戶。
[0010] 信息摘要S的表達(dá)式為：
[0011] S = M1M2 …M32 (1)
[0012] 其中，信息摘要的第i位，1彡i彡32。
[0013] 步驟1)中再根據(jù)所述信息摘要S得云模型的期望Ex、熵En及超熵He的具體操作 為：將信息摘要S分為子序列Sp &及S 3，再分別計(jì)算出子序列Sp &及S 3的浮點(diǎn)型數(shù)據(jù)， 然后將子序列&及S 3的浮點(diǎn)型數(shù)據(jù)依次作為云模型的望Ex、熵En和超熵He，其中，
[0014]
[0015] 步驟1)中將云模型的期望Ex、熵En及超熵He作為輸入?yún)?shù)輸入到前向顏色生成 器算法CG中，得N組第一顏色定量值的具體操作為：
[0016] 將云模型的期望Ex、熵En和超熵He、以及參數(shù)N作為輸入?yún)?shù)輸入到前向 顏色生成器算法中，得以云模型的熵En為期望、超熵He為方差的正態(tài)隨機(jī)數(shù)En 1'= NORM (En，He2)，并計(jì)算以期望Ex為期望、En/為方差的正態(tài)隨機(jī)數(shù)X1= NORM (En，En/ 2)， 再根據(jù)En /得隸屬度// = ，然后再根據(jù)隸屬度# 輸出N組第一顏色定量 值。
[0017] 步驟2)的具體操作為：
[0018] 對(duì)染色密鑰k和數(shù)據(jù)記錄的關(guān)鍵字1進(jìn)行歸一化處理，再以歸一化得到的結(jié)果作 為Chebyshev混純序列的初值輸入到Chebyshev混純序列發(fā)生器中進(jìn)行混純計(jì)算，然后根 據(jù)混沌計(jì)算的結(jié)果Cl 1及染色間隔值參數(shù)p判斷數(shù)據(jù)集中的數(shù)據(jù)元組是否能夠進(jìn)行染色，當(dāng) 該數(shù)據(jù)元組能夠進(jìn)行染色時(shí)，則在數(shù)據(jù)集中選擇屬性A,，當(dāng)所選擇的屬性A,存在冗余空間 時(shí)，則根據(jù)數(shù)據(jù)元組的規(guī)模大小和精度確定選擇的屬性A,能夠染色的LSB位數(shù)，再通過(guò)步 驟1)得到的N組第一顏色定量值替換選擇的屬性A,的后ε ,位數(shù)據(jù)，完成數(shù)據(jù)的染色，然 后再將染色的數(shù)據(jù)上傳至服務(wù)器中。
[0019] 判斷所選擇的屬性Α,是否存在冗余空間的具體操作為：
[0020] 預(yù)設(shè)待判斷選擇的屬性Aj的充許誤差c%，則該選擇的屬性A ^的冗余度e為
[0021]
[0022] 當(dāng)e彡0,則選擇的屬性、存在冗余空間。
[0023] 步驟3)中將所述N組第二顏色定量值{Xl，X2，…，x N}輸入到逆向顏色生成器算法 中，得提取過(guò)程中的期望Ex^、熵EY及超熵的具體操作為：
[0024] 將N組第二顏色定量值{Xl，X2，…，xN}輸入到逆向顏色生成器算法中，得均值 1 = 和方差f 刃2,然后計(jì)算提取過(guò)程中的期望Ex'、熵En'及超 熵He，，其中，[、/ =義，
[0025] 根據(jù)混沌計(jì)算的結(jié)果Cl1及染色間隔值參數(shù)p判斷數(shù)據(jù)集中的數(shù)據(jù)元組是否能夠 進(jìn)行染色的具體操作為：
[0026] a)將混沌計(jì)算的結(jié)果Cl1與染色間隔值參數(shù)p連成一個(gè)字符串，所述字符串通過(guò)單 向Hash算法轉(zhuǎn)化為32位十六進(jìn)制序列；
[0027] b)將步驟a)中產(chǎn)生的32位十六進(jìn)制序列轉(zhuǎn)化為十進(jìn)制數(shù)；
[0028] c)通過(guò)步驟b)得到的十進(jìn)制數(shù)除以λ，當(dāng)步驟b)得到的十進(jìn)制數(shù)除以λ的余 數(shù)為零時(shí)，則當(dāng)前數(shù)據(jù)元組能夠進(jìn)行染色，其中，λ為數(shù)據(jù)集中數(shù)據(jù)元組的總數(shù)與N的商。
[0029] 本發(fā)明具有以下有益效果：
[0030] 本發(fā)明所述的基于數(shù)據(jù)染色的隱私保護(hù)方法在操作時(shí)，通過(guò)云模型的期望ExJS En及超熵He作為輸入?yún)?shù)輸入到前向顏色生成器算法CG中，得N組第一顏色定量值，然后 通過(guò)N組第一顏色定量值對(duì)用戶的數(shù)據(jù)進(jìn)行染色，再將染色的數(shù)據(jù)上傳至服務(wù)器中，由于 數(shù)據(jù)經(jīng)過(guò)染色處理，因此未授權(quán)的用戶無(wú)法確定數(shù)據(jù)是否可用，并且無(wú)法確定獲取的信息 價(jià)值量的大小，從而在一定程度上保護(hù)用戶數(shù)據(jù)的安全性；服務(wù)器在對(duì)用戶進(jìn)行授權(quán)之前， 需要通過(guò)逆向顏色生成器計(jì)算出提取過(guò)程中的Ex'、En'和He'，再結(jié)合云模型的Ex、En和 He，通過(guò)顏色相似度匹配的方法確定數(shù)據(jù)的可用性程度的高度、以及是否給用戶授權(quán)，從而 有效的確保用戶數(shù)據(jù)的隱秘性，操作簡(jiǎn)單，實(shí)用性較強(qiáng)。
【附圖說(shuō)明】
[0031] 圖1為本發(fā)明的原理圖；
[0032] 圖2為本發(fā)明中數(shù)據(jù)染色的流程圖；
[0033] 圖3為本發(fā)明中隱私數(shù)據(jù)泄露追蹤的流程圖；
[0034] 圖4為本發(fā)明的數(shù)據(jù)染色檢測(cè)過(guò)程圖；
[0035] 圖5為驗(yàn)證性試驗(yàn)中本發(fā)明與k_匿名方法處