物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)庫隱私保護(hù)技術(shù)研究進(jìn)展

萬利永

（江西軟件職業(yè)技術(shù)大學(xué) 江西 南昌 330041）

0 引言

基于物聯(lián)網(wǎng)環(huán)境下，人們?yōu)榱嗽鰪?qiáng)信息數(shù)據(jù)的利用效率，通常是采用亞馬遜、阿里云等云服務(wù)商進(jìn)行數(shù)據(jù)信息處理，這樣使得數(shù)據(jù)所有權(quán)和使用權(quán)處于分離狀態(tài)，在數(shù)據(jù)利用過程中輸出、輸入、儲存等各環(huán)節(jié)都成為隱私數(shù)據(jù)泄露的風(fēng)險源，并且隱私數(shù)據(jù)的生成者并沒有主動參與的隱私保護(hù)中，僅依靠被動式的隱私保護(hù)和數(shù)據(jù)收集者的隱私保護(hù)，加之信息數(shù)據(jù)集之間會存在一定的關(guān)聯(lián)性，會對隱私保護(hù)造成較大的難度，文章重點從數(shù)據(jù)庫隱私來探究了隱私保護(hù)技術(shù)，希望借助完善的隱私保護(hù)技術(shù)來推動物聯(lián)網(wǎng)技術(shù)的高質(zhì)量發(fā)展。

1 物聯(lián)網(wǎng)環(huán)境下的隱私保護(hù)概念

1.1 定義及分類

1.1.1 定義

隱私通常是指用戶不愿意公開或者讓其他人知道的個人秘密，在互聯(lián)網(wǎng)時代，隱私信息的泄露問題隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展及物聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用而變得越來越嚴(yán)重；人們在進(jìn)行網(wǎng)站信息查詢、網(wǎng)上購物、發(fā)送電子郵件等網(wǎng)絡(luò)操作的時候均有可能在不經(jīng)意間泄露個人隱私[1]。針對越來越嚴(yán)峻的隱私泄露問題，一方面要保護(hù)涉及個人隱私的數(shù)據(jù)的安全，另一方面也要保證網(wǎng)絡(luò)的正常、健康、穩(wěn)定發(fā)展，隱私保護(hù)技術(shù)能夠借助隱私度量進(jìn)行相關(guān)風(fēng)險披露，讓用戶能夠合理地選擇信息數(shù)據(jù)應(yīng)用程度，從而達(dá)到網(wǎng)絡(luò)技術(shù)深度運(yùn)用和用戶隱私安全的平衡點[2]。

1.1.2 分類

根據(jù)數(shù)據(jù)本質(zhì)特性因素，可以分為個人隱私和公共隱私。個人隱私主要包括個人基本資料、網(wǎng)絡(luò)資料、郵箱信息、工作信息、健康信息、財產(chǎn)狀況等。公共隱私主要是指有代表性的群體的共同特征信息，如政府的一些統(tǒng)計信息、趨勢分析等。根據(jù)研究對象的不同，可分為數(shù)據(jù)隱私、位置隱私及身份隱私[3]。數(shù)據(jù)隱私主要是指數(shù)據(jù)所包含的隱私信息。位置隱私是指通過統(tǒng)計分析、聚集相關(guān)數(shù)據(jù)而獲取的關(guān)于個體的位置狀況信息。身份隱私是指通過綜合分析個體的財產(chǎn)狀況、購物習(xí)慣、出行時間、線路而推斷得到的身份信息。

1.2 隱私度量

物聯(lián)網(wǎng)技術(shù)實現(xiàn)了智能設(shè)備、計算機(jī)終端、移動設(shè)備等多通信設(shè)備的互聯(lián)，讓人們更容易享受到通信技術(shù)帶來的便利和功能優(yōu)勢，但在信息數(shù)據(jù)傳遞中也會造成隱私數(shù)據(jù)的泄露威脅，隱私度量是為了合理地評估個人的隱私水平，這樣有助于隱私保護(hù)技術(shù)更易達(dá)到預(yù)期的防護(hù)密度，不同的隱私保護(hù)需求就會存在對應(yīng)的度量指標(biāo)，主要分為數(shù)據(jù)庫隱私、位置隱私、身份隱私三類[4]，文章主要研究了數(shù)據(jù)庫隱私保護(hù)。數(shù)據(jù)庫是一個信息數(shù)據(jù)集合的存在，在數(shù)據(jù)庫隱私保護(hù)技術(shù)應(yīng)用中，需要從數(shù)據(jù)庫的應(yīng)用需求和隱私保護(hù)程度兩個方面入手，首先在數(shù)據(jù)應(yīng)用上，可以根據(jù)數(shù)據(jù)質(zhì)量評判，以數(shù)據(jù)丟失程度、原始數(shù)據(jù)相似度等指標(biāo)度量。其次，在隱私保護(hù)程度上，需要明確隱私保護(hù)范疇，將不同的信息數(shù)據(jù)保護(hù)程度進(jìn)行有效隔離，可以借助風(fēng)險披露進(jìn)行數(shù)據(jù)分離，用戶在數(shù)據(jù)庫使用中，可以根據(jù)風(fēng)險等級來進(jìn)行相關(guān)信息數(shù)據(jù)的輸入和讀取，風(fēng)險等級越高，則泄露風(fēng)險越大[5]。

2 物聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)庫隱私保護(hù)技術(shù)

2.1 數(shù)據(jù)庫的隱私威脅模式

現(xiàn)階段，隱私保護(hù)技術(shù)主要是在數(shù)據(jù)采集和數(shù)據(jù)發(fā)布兩個層面來實現(xiàn)數(shù)據(jù)庫隱私保護(hù)，讓數(shù)據(jù)庫能夠在安全的環(huán)境下進(jìn)行數(shù)據(jù)信息采集和信息輸出，如圖1所示，展示了數(shù)據(jù)采集和數(shù)據(jù)發(fā)布的應(yīng)用場景。在數(shù)據(jù)采集階段，數(shù)據(jù)發(fā)布者在用戶A.B.C處獲取到隱私數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)接收者，以網(wǎng)絡(luò)平臺購物為例，電商平臺作為數(shù)據(jù)發(fā)布者，將用戶A的賬戶、密碼隱私數(shù)據(jù)進(jìn)行收集，并傳遞給支付平臺（數(shù)據(jù)接受者）；在這個流程中，基于不可信計算模式，數(shù)據(jù)發(fā)布者是不可信的，它可能會通過多種途徑從用戶那里獲取敏感數(shù)據(jù)，其中包含隱私數(shù)據(jù)，在可信計算模式中，數(shù)據(jù)發(fā)布者是可信的，用戶也愿意將隱私數(shù)據(jù)提供給數(shù)據(jù)接收者，但數(shù)據(jù)接收者不可信。如支付平臺在采集大量的賬戶、密碼過程中，出現(xiàn)賬戶泄露問題，而賬目數(shù)據(jù)是用戶不愿意泄露的隱私數(shù)據(jù)[6]。

圖1 數(shù)據(jù)采集和數(shù)據(jù)發(fā)布

2.2 數(shù)據(jù)庫隱私保護(hù)技術(shù)

隱私保護(hù)技術(shù)是為了有效地解決數(shù)據(jù)發(fā)布者及數(shù)據(jù)接收者可能出現(xiàn)的數(shù)據(jù)泄露問題，在具體的實施中需要考慮到：一是隱私數(shù)據(jù)是數(shù)據(jù)庫輸入和輸出過程中不被篡改、泄露；二是在增強(qiáng)數(shù)據(jù)庫隱私數(shù)據(jù)保護(hù)的同時，也需要提高隱私數(shù)據(jù)利用效率，不能出現(xiàn)顧此失彼現(xiàn)象。在技術(shù)分類上，分為數(shù)據(jù)失真技術(shù)、數(shù)據(jù)加密技術(shù)、限制發(fā)布技術(shù)[7]。

2.2.1 基于數(shù)據(jù)失真的隱私保護(hù)技術(shù)

數(shù)據(jù)失真技術(shù)指的是將私密數(shù)據(jù)進(jìn)行失真處理，如添加噪聲、信息交互等造成原始數(shù)據(jù)的擾動，從而達(dá)到隱私數(shù)據(jù)的保護(hù)目的，在進(jìn)行數(shù)據(jù)失真處理時，首先需要確保攻擊者不能識別真實隱私數(shù)據(jù)，即攻擊者難以通過數(shù)據(jù)集、關(guān)聯(lián)知識推理出真實數(shù)據(jù)。其次要確保原始數(shù)據(jù)的屬性，讓數(shù)據(jù)性質(zhì)不發(fā)生變化。在實際應(yīng)用中，通常采用隨機(jī)化擾動技術(shù)來實現(xiàn)數(shù)據(jù)失真：x1隨機(jī)擾動：通過采用隨機(jī)化技術(shù)（隨機(jī)添加噪聲、信息交互）來修改真實數(shù)據(jù)，將真實數(shù)據(jù)進(jìn)行有效隱藏，讓攻擊者難以找到原始數(shù)據(jù)，從而完成隱私數(shù)據(jù)的保護(hù)。如圖2所示，攻擊者只能查獲擾動數(shù)據(jù)。

圖2 數(shù)據(jù)擾動過程

2.2.2 數(shù)據(jù)加密的隱私保護(hù)技術(shù)

（1）分布式匿名化

匿名化指的是對隱私數(shù)據(jù)的信息和來源進(jìn)行隱藏，通過匿名化處理后，數(shù)據(jù)庫在進(jìn)行隱私數(shù)據(jù)的采集或者發(fā)布過程中，隱私數(shù)據(jù)處于匿名化狀態(tài)，這樣極大地降低了隱私數(shù)據(jù)的被攻擊的風(fēng)險，進(jìn)而提高隱私數(shù)據(jù)的安全性。分布式匿名化在信息通信過程中，為了保證隱私數(shù)據(jù)的利用效率，是基于垂直劃分的數(shù)據(jù)環(huán)境下實現(xiàn)兩方分布式匿名化，并以k－匿名為例來說明，在信息隱藏中以“是否滿足k－匿名條件”來判斷原始數(shù)據(jù)匿名[8]。

（2）分布式聚類

分布式聚類的關(guān)鍵是安全地計算數(shù)據(jù)間的距離，聚類模型有Naive聚類模型（K-means）和多次聚類模型，兩種模型都利用了加密技術(shù)來實現(xiàn)信息的安全傳輸[9]。①Naive聚類模型：數(shù)據(jù)節(jié)點將隱私保護(hù)方式傳輸給可信任的第三方，然后第三方對原始數(shù)據(jù)進(jìn)行數(shù)據(jù)加密，聚類后反饋相關(guān)處理結(jié)果。②多次聚類模型：數(shù)據(jù)節(jié)點對原始數(shù)據(jù)進(jìn)行聚類處理，并發(fā)布結(jié)果，各節(jié)點在根據(jù)隱私保護(hù)需求對聚類處理結(jié)果發(fā)布，進(jìn)行二次聚類處理，從而形成分布式聚類。

2.2.3 限制發(fā)布的隱私保護(hù)技術(shù)

限制發(fā)布指的是將隱私數(shù)據(jù)進(jìn)行分類，根據(jù)風(fēng)險披露等來針對性地發(fā)布或者不發(fā)布數(shù)據(jù)，從而起到隱私數(shù)據(jù)保護(hù)的作用。現(xiàn)階段，匿名化處理技術(shù)是限制發(fā)布的隱私保護(hù)技術(shù)的關(guān)鍵技術(shù)，通過結(jié)合風(fēng)險披露等級和隱私數(shù)據(jù)保護(hù)程度，進(jìn)行部分隱私因素的匿名化處理，達(dá)到一個折中的效果，既能滿足隱私數(shù)據(jù)的使用，也確保隱私數(shù)據(jù)泄露風(fēng)險處于預(yù)期范圍內(nèi)。以學(xué)校考試成績公布為例，在原始數(shù)據(jù)上會存在姓名、年齡、專業(yè)、成績分?jǐn)?shù)等主要隱私數(shù)據(jù)，通過傳統(tǒng)隱私數(shù)據(jù)保護(hù)，會將姓名進(jìn)行※保護(hù)，但經(jīng)過攻擊者關(guān)聯(lián)數(shù)據(jù)推理，會容易得到原始完整數(shù)據(jù)，經(jīng)過分布式匿名化算法匿名化處理，會將原始記錄映射到特定的度量空間，再對空間中的點進(jìn)行聚類匿名。類似k匿名，算法保證每個聚類中至少有k個數(shù)據(jù)點在r-gather算法中，以所有聚類中的最大半徑為度量對所有數(shù)據(jù)點進(jìn)行聚類，保證每個聚類至少包含k個數(shù)據(jù)點。如在姓名上會出現(xiàn)數(shù)字標(biāo)識、年齡呈現(xiàn)出區(qū)間數(shù)值，這樣使得攻擊者難以根據(jù)關(guān)聯(lián)數(shù)據(jù)識別獲取隱私數(shù)據(jù)[10]。

3 基于數(shù)據(jù)擾動的分類數(shù)據(jù)采集隱私保護(hù)技術(shù)

基于數(shù)據(jù)擾動的分類數(shù)據(jù)采集隱私保護(hù)技術(shù)在具體應(yīng)用中，首先是給原始數(shù)據(jù)集的各屬性域構(gòu)建一個隨機(jī)擾動矩陣，并給定一個轉(zhuǎn)移概率，其次再根據(jù)轉(zhuǎn)移概率值將原始數(shù)據(jù)集中的值進(jìn)行轉(zhuǎn)換操作，最后構(gòu)建原數(shù)據(jù)分布，并進(jìn)行分類采集。在數(shù)據(jù)預(yù)處理中，是通過屬性域編碼表進(jìn)行，便于生成離散數(shù)據(jù)。在轉(zhuǎn)移概率值設(shè)定中，可以引入矩陣條件數(shù)、r-amplifying方法減小重建原數(shù)據(jù)分布的錯誤率，采用決策樹分類，整個過程分為數(shù)據(jù)預(yù)處理、數(shù)據(jù)擾動、分類數(shù)據(jù)采集三個階段，基本框架如圖3所示：

圖3 分類數(shù)據(jù)采集隱私保護(hù)基本框架

3.1 數(shù)據(jù)擾動算法

3.1.1 數(shù)據(jù)預(yù)處理

首先要對數(shù)據(jù)進(jìn)行預(yù)處理，才能實現(xiàn)原始數(shù)據(jù)的轉(zhuǎn)換操作，本次采用的是平均區(qū)域劃分方法進(jìn)行數(shù)據(jù)離散處理，如式（1）：

length=離散區(qū)間長度 A=連續(xù)屬性n=離散數(shù)

在具體計算中，以A1為第一個離散值開始，進(jìn)行（1）離散區(qū)間長度計算，結(jié)果采用四舍五入計，最后以0結(jié)束。

屬性域編碼是對離散數(shù)據(jù)集中各屬性域值進(jìn)行查詢，并對這些不同的屬性域值進(jìn)行重新編碼，進(jìn)而生成屬性域編碼表。

數(shù)據(jù)集轉(zhuǎn)換成編碼集時將離散數(shù)據(jù)集的屬性值用對應(yīng)的編碼來代替，替換后形成編碼集。

3.1.2 單屬性隨機(jī)擾動矩陣

單屬性隨機(jī)擾動矩陣的值體現(xiàn)著屬性域值的轉(zhuǎn)化概率，單屬性隨機(jī)擾動矩陣的應(yīng)用關(guān)乎著隱私數(shù)據(jù)保護(hù)的程度和精準(zhǔn)度，可以說是整個隱私保護(hù)技術(shù)的關(guān)鍵內(nèi)容。本方法選擇r正定對稱矩陣為單屬性擾動矩陣。首先要求用戶給定每個屬性的閾值前驗率a1和后驗率a2，要求0＜α1＜α2＜ 1，并在a2（1-a1）/a1（1-a2）＞r≥ 1 隨機(jī)取個r值，生成任意屬性A的擾動矩陣。

3.1.3 數(shù)據(jù)擾動

數(shù)據(jù)擾動是各屬性值根據(jù)對應(yīng)的轉(zhuǎn)移概率值轉(zhuǎn)換后形成的其他值，在本次擾動中首先給定編碼數(shù)據(jù)集，再通過擾動算法進(jìn)行擾亂。

3.2 測試與結(jié)果分析

3.2.1 實驗環(huán)境

（1）開發(fā)環(huán)境：WindowsXP操作系統(tǒng)17 Hz主頻，2 B內(nèi)存320 GB硬盤

（2）開發(fā)工具：Eclipse-SDK-3.4.1，SQL Server 2000。

（3）開發(fā)語言：Java。

3.2.2 實驗數(shù)據(jù)

實驗數(shù)據(jù)采用學(xué)生考試成績，通過分類數(shù)據(jù)采集隱私保護(hù)技術(shù)在數(shù)據(jù)集隱私保護(hù)的前提下，找出判斷是否及格的規(guī)律，以下從隱私保護(hù)度和挖掘精度兩個方面對該方法進(jìn)行考察[11]。

3.3 測試結(jié)果

隱私保護(hù)度用1/（a2-a1）來表示，其中，a1為用戶前驗率，a2為后驗率。如圖4所示，隨著數(shù)據(jù)集的增加，采集精準(zhǔn)度越高，越來越接近真實的數(shù)據(jù)水平。

圖4 精度和數(shù)據(jù)量的關(guān)系

4 結(jié)語

綜上所述，物聯(lián)網(wǎng)環(huán)境下網(wǎng)絡(luò)隱私保護(hù)主要包括位置隱私、身份隱私、數(shù)據(jù)庫隱私三類，隨著物聯(lián)網(wǎng)技術(shù)發(fā)展，數(shù)據(jù)庫增量信息會呈現(xiàn)出階梯式上升，數(shù)據(jù)庫的隱私數(shù)據(jù)使用效率和保護(hù)技術(shù)都會成為影響物聯(lián)網(wǎng)技術(shù)發(fā)展的重要因素。文章以數(shù)據(jù)庫隱私保護(hù)為例，提出基于數(shù)據(jù)擾動的分類數(shù)據(jù)采集隱私保護(hù)技術(shù)研究，希望以此來滿足數(shù)據(jù)庫隱私保護(hù)需求。