论文部分内容阅读
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