基于大數據的用戶隱私數據多層級加密及仿真研究*

楊昌堯，翁云峰

（1.湛江幼兒師范專科學校，廣東 湛江 524037；2.中興通信股份有限公司，廣東 深圳 518000）

0 引言

互聯網的迅速發展，伴隨大數據技術的廣泛應用，雖然為人們工作和生活創造了便利條件，但是對用戶的隱私也埋下了安全隱患[1]。據統計，我國用戶隱私數據信息被盜取的頻率逐漸提升，降低了互聯網服務質量[2]。為了改善此發展局面，我國加大了對用戶隱私數據加密研究的投資，設置了專屬科研項目。由于當前提出的數據加密處理技術尚不完善，抗攻擊性能、加密效率、提升性能強度等目標未能同時實現，本文提出一種多層級加密技術展開探究。

1 基于大數據的用戶隱私數據多層級加密概述

1.1 大數據下的用戶隱私數據多層級加密介紹

多層級加密技術用于檢測用戶數據身份，將相關數據導入系統程序中，經過去噪處理，對數據信息進行多級加密，從而起到保護用戶隱私數據的作用[3]。其中，多層級加密指的是按照參數等級不同，逐級采取加密處理，形成多層保護結構。如果需要訪問用戶隱私信息，需要逐個層級檢驗身份，待通過最后一個層級身份檢驗以后，才可以訪問到用戶隱私數據信息[4]。與其他數據加密方法相比，這種加密方法安全性能更高一些，將私鑰和公鑰加密方法融為一體，對隱私數據進行多層級加密，數據被盜取的可能性很低[5]。

1.2 大數據下的用戶隱私數據多層級加密原理

假設多級加密系數為G，解密系數為H，對數據采集密鑰處理的符號為“+”，當采取私鑰處理時，用Q1表示；當采取公鑰處理時，用Q2表示，以下為多級加密處理計算公式：

式（1）中，參數a與參數b均為身份認證數據；“+”代表多層級加密函數相關關系，當用戶需要訪問隱私數據時，需要逐一通過各層級身份驗證。因此，本文提出的加密方法就是一個多層級融合加密的處理方案，通過驗證數據融合實現預期安全保護目標。

每一層數據密文的噪聲分布不同，需要根據各個層級密文分布特點，采取多層級數據加密處理，以保證隱私數據的安全[6]。目前，大部分研究給出的密文噪聲處理方法是以原始數據作為處理對象，經過噪聲平方計算得到去噪處理相關數據[7-8]。然而，這種加密處理方法在多級加密處理中存在漏洞，所以仍需對隱私數據多級加密處理進行深入探究，本文將在以往研究基礎上，提出新的多層級加密方案。

2 基于大數據的用戶隱私數據多層級加密方案設計

2.1 基于大數據的用戶隱私數據代表元的提取

2.1.1 基于大數據的隱私數據映射

本研究方案采用多項式計算方法，在原有的向量運算方案上進行優化，形成多項式系數向量環。經過向量環類別劃分，創建代表元集合。該集合由兩部分構成，其中一部分為用戶隱私數據，另外一部分為商環。采用映射方法，對大數據環境下隱私數據進行處理，生成密鑰，處理過后如下：

式中，Qery代表密鑰；W代表輸入參數。

關于隱私數據的加密處理，同樣采用映射處理，完成數據加密，算法如下：

式中，cs代表密文空間；ps代表明文空間。關于隱私數據加密相關數值的計算，是對運算集合進行映射處理。以下為數據計算算法：

假設明文空間的運算為Op，那么可以得到明文空間與加密方案的關系：

上述關系建立在以下條件基礎上：

假設整數集為Z，在集合中取任一數據q∈Z，要求數據q滿足以下要求：

式中，Z/(q)為代表元。

按照上述要求，創建數據加密方案，記為δ1。其中，加密方案中的密鑰為q，明密文有兩個，分別是c和p。

2.1.2 大數據環境下隱私數據信息模運算

假設整系數多項式環為Z[x]，對應的多項式如下：

式中，ai取值范圍為常數。

關于多項式計算公式如下：

式中，函數g(x)的取值范圍為Z[x]。整數多項式集合為Z[x]/g(x)，最高次數均在n以下。關于集合的求取方法，采用模運算進行計算，公式如下：

式中，關于參數ai、bj、ds之間的關系如下：

2.1.3 大數據環境下創建商環及用戶隱私數據代表元集合

由于整數多項式相似，僅系數不同，因此本研究利用列向量來表示多項式，記為系數向量Zn，通過求取列向量可以得到關于集合的全部映射結果。其中，多項式環的計算采用乘法和加法計算，此部分計算必須滿足分配率和交換律要求。如果兩個向量模相等，方向相反，則得到的加法計算結果為零向量。

按照上述計算原理，對向量類進行劃分。依據劃分結果，建立商環和隱私數據代表元集合，公式如下：

利用式（12）計算結果，對整數明文采取映射處理，得到數據代表元計算結果，以下為計算公式：

2.2 大數據環境下的用戶隱私數據多級加密模型設計

利用式（13）的計算結果，設計數據多級加密模型。按照加密模型體系結構，分別對各個層級數據進行加密。其中，加密處理比較靈活，以用戶對于隱私數據安全保護的需求，設計具體的層級加密處理方案。以下為加密模型設計方案：

式（14）建立在數據代表元計算公式基礎上，采取迭代計算，并將計算結果賦予數據代表元，建設加密模型體系結構。其中，n代表迭代處理次數，經過迭代處理后的結果用xn表示。

2.3 大數據環境下的模型分級

通常情況下，為了明確系統的不確定程度，對集合中的信息熵進行計算。在大數據環境下，通過處理隱私數據，為信息熵計算提供數據支撐，從而掌握隱私數據分布情況。以下為計算公式：

根據隱私數據分布情況，對模型采取分級處理，形成多個層級的隱私數據，每個層級的隱私數據所在位置以坐標點形式標明。

2.4 大數據環境下的加密模型的公鑰與私鑰

假設存在一個多項式D(x)，利用拉格朗日函數，對此函數結構進行優化，可以得到以下計算公式：

從集合中提取密文，記為CDHT。與此同時，提取經過加密偶處理的密文CK，從而獲取密文MS，以下為密文表達式：

假設抗碰撞函數為F，隨機抽取函數記為F’，采取多層級加密處理能夠在很大程度上改善加密體系結構，該結構的優勢可以用以下公式呈現：

關于加密體系的私鑰和公鑰設置，是在系統內部建立函數setup(Q)，在隱私數據中隨機選取數據a，取值范圍a∈T(x)。假設存在以下關系成立：

則求取公鑰和私鑰的計算公式分別為：

3 基于大數據的用戶隱私數據多層級加密仿真測試結果分析

3.1 不同方法應用下的數據加密性能強度對比仿真測試

為了檢驗本文提出的多層級加密方案是否可行，本研究選取兩種應用比較多的數據加密方法作為對照組，其中一種加密方法為屬性參數加密法，記為B，另外一種加密方法為大規模數值加密法，記為C，本文提出的加密方法記為A。采用仿真測試方法，對3 種加密方法的加密性能強度進行測試，結果如表1 所示。

表1 數據加密性能強度對比測試結果

表1 中測試結果顯示，3 種加密方法隨著加密時間的推移，加密性能強度均有所提升。其中，C 加密方法的加密性能強度最低，并且加密強度隨著時間的增加上升幅度較小。本次測試以2 s 為初始測試時間，A 加密方法在加密強度方面體現出的優勢較為明顯，與B 加密方法的加密強度差值為0.31%。隨著時間的推移，A 加密方法始終保持優勢。當加密時間達到50 s 時，A 加密方法的加密強度大約為B 加密方法加密強度數值的2 倍。

3.2 不同方法應用下抗攻擊性能對比仿真測試

抗攻擊性能作為數據加密測試重要指標，本次測試分別對前文提出3 種加密方法的抗攻擊性能進行測試。取6 個加密時間點作為測試點，分別為10 s、30 s、50 s、70 s、90 s、110 s，用Q記錄本文提出的加密方法的抗攻擊性能，Q1記錄B 加密方法抗攻擊性能數據，Q2記錄C 加密方法抗攻擊性能數據，結果如表2 所示。

表2 抗攻擊性能對比測試結果

表2 中測試結果顯示，A、B、C 這3 種加密方法在數據加密處理中，隨著時間的推移，抗攻擊性能均呈現出先上升后減小趨勢。其中，C 加密方法在50 s 時性能數值達到最大值，A 方法和B 方法隨著時間的推移抗攻擊性能逐漸下降。相比之下，C加密方法的抗攻擊性能最弱，性能數據上升幅度較小。A 加密方法的抗攻擊性能最強，當加密時間為10 s 時，A 加密方法的抗攻擊性能達到了100%，而B 加密方法的抗攻擊性能只有88.29%。

3.3 不同方法應用下加密時間對比仿真測試

本次測試還對不同加密方法的數據加密處理速率進行測試，設置不同加密數量，測試同樣加密數量情況下耗費的加密時間，結果如表3 所示。

表3 加密時間對比測試結果

表3 仿真測試結果顯示，相同加密數量條件下，本文提出的加密方案耗費的時間最短，并且隨著時間的推移，A 加密方法的加密效率優勢更為顯著。當加密數量為30 GB 時，A 加密方法耗費時間為19.5 s，B加密方法耗費的時間大約是A 方法耗時的6 倍，C 加密方法耗時大約是B 加密方法耗時的2 倍。

綜合上述測試結果，本文提出的A 加密方法的加密強度、抗攻擊性能、加密時間等3 項性能指標皆呈現出較大優勢，是用戶隱私數據保護的理想處理方案。

4 結語

本文圍繞用戶隱私數據加密處理方法展開研究，根據當前數據加密方法存在的不足，提出了一種多層級數據加密方案。本研究概述了用戶隱私數據代表元的提取關鍵環節，并對加密模型進行設計。為了檢驗本研究提出的加密方案的可靠性，選取兩種常用的加密方法作為對照組，選取加密強度、抗攻擊性能、加密時間作為測試指標。仿真測試結果表明，本文提出的加密方案在這3 項性能上改善效果較為顯著。