大數(shù)據(jù)背景下隱私保護(hù)技術(shù)的探究

◆朱禹睿

大數(shù)據(jù)背景下隱私保護(hù)技術(shù)的探究

◆朱禹睿

（浙江科技學(xué)院 浙江 310023）

本文以大數(shù)據(jù)時(shí)代存有的隱私安全問(wèn)題與隱私保護(hù)技術(shù)進(jìn)行闡述，首先介紹了大數(shù)據(jù)的背景與特征，并分析了大數(shù)據(jù)在其各個(gè)環(huán)節(jié)——數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)共享、數(shù)據(jù)采集過(guò)程中存有的隱私安全問(wèn)題，又對(duì)收斂加密、同態(tài)加密、可恢復(fù)性證明、擁有權(quán)證明、差分隱私、數(shù)據(jù)脫敏等技術(shù)進(jìn)行探討，介紹了當(dāng)前社會(huì)的隱私保護(hù)技術(shù)。其目的在于提升大數(shù)據(jù)的背景下隱私保護(hù)技術(shù)發(fā)展，保證數(shù)據(jù)可以在各個(gè)環(huán)節(jié)中都受到保護(hù)，推動(dòng)計(jì)算機(jī)信息行業(yè)的發(fā)展，旨在為相關(guān)研究提供參考。

大數(shù)據(jù)；隱私保護(hù)；云計(jì)算；加密技術(shù)

1 大數(shù)據(jù)時(shí)代

1.1 大數(shù)據(jù)的背景概述

隨著社會(huì)信息化和網(wǎng)絡(luò)化的發(fā)展，如今已然是大數(shù)據(jù)的時(shí)代。在我們使用的社交軟件，購(gòu)物軟件，短視頻軟件中每秒都有大量的數(shù)據(jù)在交互，在醫(yī)療、教育、科學(xué)計(jì)算等領(lǐng)域也正源源不斷產(chǎn)生著數(shù)據(jù)。大數(shù)據(jù)被應(yīng)用在生活中的方方面面：用戶喜好的推測(cè)、智能交通、犯罪預(yù)防、城市規(guī)劃，大數(shù)據(jù)給計(jì)算機(jī)領(lǐng)域開(kāi)拓了一個(gè)新的黃金時(shí)代。安全技術(shù)作為任何新興技術(shù)的伴生技術(shù)，大數(shù)據(jù)安全與隱私保護(hù)也引起了人們的重視，如何在數(shù)據(jù)交互便利的當(dāng)今社會(huì)保護(hù)好自身的隱私是值得我們探究的問(wèn)題

1.2 大數(shù)據(jù)的特征

提到大數(shù)據(jù)，人們往往最先想到的便是數(shù)據(jù)量很大，這是大數(shù)據(jù)最顯著的特征之一，但除此之外，大數(shù)據(jù)還有著時(shí)效性高、數(shù)據(jù)類型復(fù)雜、數(shù)據(jù)質(zhì)量參差不齊以及數(shù)據(jù)的相對(duì)價(jià)值較低等特點(diǎn)。數(shù)據(jù)的時(shí)效性高著很容易理解，尤其是在某些社交網(wǎng)站上尤為突出，例如微博、推特等，不僅數(shù)據(jù)量大，且時(shí)效性很高，若在采集、處理數(shù)據(jù)上花費(fèi)大量時(shí)間，則與某些需要高時(shí)效性的數(shù)據(jù)相悖（如新聞事件、應(yīng)急事件）。數(shù)據(jù)的類型復(fù)雜指的是大數(shù)據(jù)不僅需要處理傳統(tǒng)的結(jié)構(gòu)化的數(shù)據(jù)，還要處理大量非結(jié)構(gòu)化、半結(jié)構(gòu)化的數(shù)據(jù)，如網(wǎng)頁(yè)、圖片視頻等。這些數(shù)據(jù)的處理不僅需要傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)技術(shù)還需要引入許多新的技術(shù)。大數(shù)據(jù)的第四個(gè)特征是數(shù)據(jù)質(zhì)量參差不齊，主要是指在互聯(lián)網(wǎng)上存在的大量的無(wú)標(biāo)注數(shù)據(jù)以及人為的錯(cuò)誤數(shù)據(jù)，抑或是物聯(lián)網(wǎng)設(shè)備在采集數(shù)據(jù)時(shí)由于環(huán)境原因、設(shè)備故障等原因?qū)е碌腻e(cuò)誤數(shù)據(jù)。數(shù)據(jù)相對(duì)價(jià)值較低是因?yàn)殡m然數(shù)據(jù)量大，但數(shù)據(jù)的價(jià)值密度比較低，所以需要在數(shù)據(jù)中發(fā)現(xiàn)價(jià)值、創(chuàng)造價(jià)值。

2 大數(shù)據(jù)隱私與安全

2.1 隱私的定義

隱私通常指的是數(shù)據(jù)所有者不希望被外界所知曉的敏感信息，例如：個(gè)人的身份信息、薪資情況，企業(yè)的財(cái)政信息。一般來(lái)說(shuō)，從隱私所有者進(jìn)行分類，可將隱私分為，個(gè)人隱私與共同隱私。個(gè)人隱私指的是可以確定特定個(gè)人或與可確認(rèn)個(gè)人相關(guān)，但個(gè)人不愿意暴露的信息。共同隱私指的是能表現(xiàn)出多個(gè)個(gè)體之間的聯(lián)系或共性且不愿意被暴露的信息。

2.1 大數(shù)據(jù)存儲(chǔ)及其隱私安全

隨著云計(jì)算技術(shù)的迅猛發(fā)展，云存儲(chǔ)技術(shù)受到越來(lái)越多人的青睞，用戶可以將數(shù)據(jù)上傳到云端，通過(guò)不同終端讀取云端數(shù)據(jù)實(shí)現(xiàn)數(shù)據(jù)在各個(gè)設(shè)備之間的共享，也可以將其分享給他人。在云存儲(chǔ)服務(wù)架構(gòu)中共有三個(gè)角色，分別是：用戶、云服務(wù)器和第三方審計(jì)者（TPA）。TPA的作用是代替數(shù)據(jù)擁有者完成對(duì)數(shù)據(jù)的完整性認(rèn)證。由于用戶確認(rèn)自己數(shù)據(jù)的完整性是一件會(huì)花費(fèi)大量時(shí)間且成本較高的事情，所以會(huì)將這個(gè)任務(wù)交由TPA負(fù)責(zé)。如何在讓TPA有效率工作的同時(shí)，又不將自身的隱私泄露是一個(gè)亟須解決的問(wèn)題。除此之外攻擊者有能力損壞云服務(wù)器中所存儲(chǔ)的數(shù)據(jù)，而即使數(shù)據(jù)遭到破壞，服務(wù)器也不會(huì)通知數(shù)據(jù)擁有者，以維護(hù)自身名譽(yù)，針對(duì)這個(gè)問(wèn)題，數(shù)據(jù)可恢復(fù)性證明被提出，這在之后的隱私保護(hù)機(jī)制中詳細(xì)介紹。

2.2 大數(shù)據(jù)共享及其隱私安全

從大數(shù)據(jù)的整體態(tài)勢(shì)上看，數(shù)據(jù)的規(guī)模將會(huì)越來(lái)越大，多源數(shù)據(jù)的開(kāi)采和分析才能使數(shù)據(jù)展現(xiàn)其真正的價(jià)值，在這過(guò)程中，數(shù)據(jù)共享技術(shù)扮演的角色日益重要。而阻礙數(shù)據(jù)大規(guī)模共享的一大問(wèn)題便是如何保護(hù)隱私。在如今信息爆炸的時(shí)代，我們可以很輕易從社交網(wǎng)站上免費(fèi)挖取他人的個(gè)人信息。而任何一個(gè)想做壞事的人可以通過(guò)從公開(kāi)網(wǎng)絡(luò)上挖取到的個(gè)人信息進(jìn)行違法犯罪，因而存在很大的安全隱患。

2.4 大數(shù)據(jù)采集及其隱私安全

在大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)公司想盡一切辦法采集用戶的信息，而我們?cè)诰W(wǎng)絡(luò)空間的任何所作所為都可能會(huì)被記錄下來(lái)進(jìn)行分析。當(dāng)我們打開(kāi)購(gòu)物軟件，總能發(fā)現(xiàn)首頁(yè)推薦的商品和自己曾搜索瀏覽的商品相似，它會(huì)分析我們的喜好，記錄我們的消費(fèi)水平，從而挑選出更適合我們的商品供我們選擇。我們的個(gè)人信息也會(huì)被保存在網(wǎng)絡(luò)中的任何一個(gè)角落，我們?yōu)g覽過(guò)的網(wǎng)頁(yè)會(huì)被記錄下來(lái)，我們發(fā)送的電子郵件也會(huì)被存檔。這還不是全部，甚至在現(xiàn)實(shí)空間，當(dāng)我們打開(kāi)定位服務(wù)時(shí)，手機(jī)會(huì)記錄我們什么時(shí)候到了什么地方，手機(jī)供應(yīng)商能輕易知道我們所有的行蹤。這些行為都引起了大眾對(duì)隱私的擔(dān)憂。

3 隱私保護(hù)機(jī)制

3.1 收斂加密

大規(guī)模的云存儲(chǔ)往往面臨著兩個(gè)方面之間的矛盾：一是系統(tǒng)需要壓縮數(shù)據(jù)以節(jié)省存儲(chǔ)空間的開(kāi)銷，二是用戶希望自己的數(shù)據(jù)能夠加密存儲(chǔ)在云端，以保護(hù)自己的隱私，而以去重方式的壓縮與加密存儲(chǔ)的期望相違背。于是退而求其次，適度放寬對(duì)安全性的需求。允許密文泄漏原文相等性信息，使加密后的數(shù)據(jù)能夠有去重的可能，最早提出的方案是收斂加密。在收斂加密中，采用數(shù)據(jù)本身的哈希值作為密鑰進(jìn)行加密，在這種情況下不同用戶對(duì)相同數(shù)據(jù)加密所得到的值都是相同的，服務(wù)器也能通過(guò)數(shù)據(jù)哈希值的對(duì)比判斷數(shù)據(jù)是否相同。用于數(shù)據(jù)標(biāo)記的計(jì)算與數(shù)據(jù)密鑰計(jì)算采用不同的哈希函數(shù)，因此不能夠通過(guò)數(shù)據(jù)標(biāo)記推出數(shù)據(jù)的密鑰，使數(shù)據(jù)能夠安全地在不同的用戶空間共享，也就能實(shí)現(xiàn)加密情況下的數(shù)據(jù)去重。這既保證數(shù)據(jù)的隱私性也節(jié)省了數(shù)據(jù)的存儲(chǔ)空間。

3.2 同態(tài)加密

即使解決了數(shù)據(jù)在云端存儲(chǔ)的加密問(wèn)題，但新的問(wèn)題又產(chǎn)生了，對(duì)加密后的數(shù)據(jù)進(jìn)行搜索與處理不是一件容易的事情，不僅管理不方便，用戶的體驗(yàn)也很差。為了解決這一問(wèn)題，同態(tài)加密被提了出來(lái)。同態(tài)加密就是將數(shù)據(jù)加密后處理得到結(jié)果進(jìn)行解密，與對(duì)沒(méi)有加密的數(shù)據(jù)處理后的結(jié)果相同。舉個(gè)最簡(jiǎn)單的例子，當(dāng)要進(jìn)行“1+1”的運(yùn)算時(shí)，將“1”進(jìn)行加密得到“11”，預(yù)算得出結(jié)果為“22”，本地解密后得到最終結(jié)果“2”。在這種模式下云端服務(wù)器可以不用解密直接處理隱私數(shù)據(jù)，而在云環(huán)境中不會(huì)出現(xiàn)任何明文數(shù)據(jù)，用戶的隱私數(shù)據(jù)也得到了良好的保護(hù)。

3.3 可恢復(fù)性證明

可恢復(fù)性證明的驗(yàn)證機(jī)制需要解決兩個(gè)問(wèn)題：（1）檢測(cè)出文件是否被損壞。（2）修復(fù)被損壞的文件。針對(duì)第一個(gè)問(wèn)題，崗哨數(shù)據(jù)塊會(huì)被加入外包文件之中，服務(wù)器無(wú)法檢測(cè)出崗哨數(shù)據(jù)塊和普通數(shù)據(jù)塊的區(qū)別。而當(dāng)文件數(shù)據(jù)被破壞時(shí)，相對(duì)應(yīng)的，加入其中的崗哨數(shù)據(jù)塊也會(huì)被破壞。因此數(shù)據(jù)擁有者能夠判斷文件是否被破壞，也可以根據(jù)崗哨數(shù)據(jù)塊在整個(gè)文件中的分布，判斷出文件被損壞的程度。修復(fù)文件則是利用RS糾錯(cuò)碼對(duì)文件的容錯(cuò)預(yù)處理，是恢復(fù)機(jī)制能夠恢復(fù)文件中部分被損壞的數(shù)據(jù)。利用可恢復(fù)性證明的驗(yàn)證機(jī)制能夠讓數(shù)據(jù)所有者對(duì)自身的文件有更好的掌控，也更安全的保護(hù)其隱私。

3.4 擁有權(quán)證明

當(dāng)用戶向云端上傳文件時(shí)，會(huì)發(fā)現(xiàn)幾百上千兆字節(jié)的文件，很快就能完成傳輸。這是因?yàn)槊恳粋€(gè)文件都擁有一個(gè)屬于自己的特征值，相同文件的特征值是相同的，用這個(gè)特征值與服務(wù)器中存儲(chǔ)的特征值相比較，若有相同，則無(wú)須上傳。這樣雖然很大節(jié)省了存儲(chǔ)空間與帶寬，但是攻擊者就可以根據(jù)一個(gè)文件的哈希值獲取到整個(gè)文件。為了解決這個(gè)問(wèn)題，擁有權(quán)證明模型被提了出來(lái)，就是在客戶端與相應(yīng)端執(zhí)行一個(gè)挑戰(zhàn)/相應(yīng)的協(xié)議，能夠防止攻擊者通過(guò)單一哈希值獲得整個(gè)文件，從而加強(qiáng)了用戶的隱私保護(hù)。

3.5 差分隱私

當(dāng)用戶在查詢數(shù)據(jù)時(shí)，得到的反饋是數(shù)據(jù)所有者給出的準(zhǔn)確信息時(shí)，很容易造成隱私泄漏，因?yàn)楣粽呖赡苊俺溆脩暨M(jìn)行查詢，從得出的結(jié)果反推用戶的隱私信息。為了避免這個(gè)問(wèn)題，研究者提出了差分隱私系統(tǒng)，可以保證攻擊者獲取到的數(shù)據(jù)幾乎和沒(méi)有這個(gè)人數(shù)據(jù)的數(shù)據(jù)集中所獲取的相差無(wú)幾。舉個(gè)例子：某醫(yī)院的數(shù)據(jù)庫(kù)的信息存儲(chǔ)格式：“小明，男，患有精神病”，“小紅，女，患有肥胖癥”......通過(guò)查詢前99條記錄性別為男的數(shù)量，與前100條記錄性別為男的數(shù)量進(jìn)行比較，可以輕易得到第100條記錄的性別。但采用差分隱私技術(shù)后兩次查詢的結(jié)果便不準(zhǔn)確，使攻擊者無(wú)法判斷。差分隱私技術(shù)就是向原始數(shù)據(jù)中添加噪聲，攻擊者獲取到帶有噪聲數(shù)據(jù)的數(shù)據(jù)集后，難以反推出用戶的隱私信息，從而得到保護(hù)隱私的目的。差分隱私的應(yīng)用很廣，小米就利用差分隱私技術(shù)實(shí)現(xiàn)模糊定位功能，當(dāng)應(yīng)用請(qǐng)求用戶的位置信息時(shí)僅能獲得用戶的大致位置，從而保護(hù)用戶的隱私。

3.6 數(shù)據(jù)脫敏

數(shù)據(jù)脫敏技術(shù)就是對(duì)與一些敏感信息利用脫敏規(guī)則進(jìn)行變形，保護(hù)用戶的隱私。但與加密技術(shù)不同的是，數(shù)據(jù)脫敏后的數(shù)據(jù)與原數(shù)據(jù)的類型相同，即不是真實(shí)信息但看起來(lái)像是真實(shí)的，例如用戶名“張三”進(jìn)行脫敏后變成了“李四”，身份證號(hào)碼脫敏后依舊符合身份證的格式規(guī)范，電話號(hào)碼脫敏后依舊為11位，且不會(huì)出現(xiàn)字母。數(shù)據(jù)脫敏技術(shù)在保護(hù)隱私的同時(shí)，也保持了數(shù)據(jù)監(jiān)管的合規(guī)性。

數(shù)據(jù)脫敏技術(shù)分為靜態(tài)脫敏與動(dòng)態(tài)脫敏。靜態(tài)脫敏就是將數(shù)據(jù)從數(shù)據(jù)庫(kù)中取出，將數(shù)據(jù)脫敏處理后，交給開(kāi)發(fā)、測(cè)試人員使用，可以任意對(duì)其進(jìn)行讀寫操作，滿足業(yè)務(wù)需求的同時(shí)，也保護(hù)了數(shù)據(jù)安全。動(dòng)態(tài)脫敏是在查詢敏感信息的同時(shí)，將數(shù)據(jù)進(jìn)行脫敏后顯示，例如查詢的信息中包含一些敏感數(shù)據(jù)時(shí)，會(huì)將敏感數(shù)據(jù)先脫敏再將結(jié)果呈現(xiàn)出來(lái)，相當(dāng)于“邊查詢，邊脫敏”。

4 結(jié)語(yǔ)

在大數(shù)據(jù)時(shí)代，個(gè)人的隱私保護(hù)永遠(yuǎn)是重中之重，現(xiàn)有的技術(shù)可以很大程度上保護(hù)用戶的隱私，但隨著時(shí)代的革新、技術(shù)的發(fā)展，隱私保護(hù)問(wèn)題依然值得關(guān)注，我們需要不斷創(chuàng)新，在信息技術(shù)飛速發(fā)展的同時(shí)，保護(hù)自身的隱私不被泄露。

[1]曹春杰，吳漢煒.網(wǎng)絡(luò)空間概論[M]. 北京：電子工業(yè)出版社，2019.

[2]石瑞生，吳旭.大數(shù)據(jù)安全與隱私保護(hù)[M]. 北京：北京郵電大學(xué)出版社，2019.

[3]劉華楠，Liu，Huanan，等. 云存儲(chǔ)中數(shù)據(jù)完整性的可信第三方審計(jì)研究及進(jìn)展[J]. 河南科技，2017，20（326）：52-55.

[4]方濱興，賈焰，李愛(ài)平，等. 大數(shù)據(jù)隱私保護(hù)技術(shù)綜述[J]. 大數(shù)據(jù)，2016，2（01）：1-18.

[5]張鋒軍. 大數(shù)據(jù)技術(shù)研究綜述[J]. 通信技術(shù)，:2014（11）：1240-1248.

[6]Q Wang，C Wang，J Li，et al. Enabling public verifiability and data dynamics for storage security in cloud computing[J]. European Conference on Research in Computer Security，2009（5）：355-370.