基于Jenks算法粒度可控的微聚集数据扰动加密研究

作者：钱小军

来源：无线互联科技, 2021, 18(21): 114-118.

• 边缘计算
• 数据扰动
• 微聚集

随着5G网络和边缘计算的出现和兴起,人类社会进入了信息数据爆炸的时代,每个用户的数据都会在网络中不断传播。在这个背景下,如何保证用户的数据隐私成了热门话题。相关研究学者分别从隐私保护数据聚合、隐私保护外包计算和安全多方计算等方面出发,展开保护用户数据隐私的研究,而数据扰动作为隐私保护的重要手段,已经成了研究人员的主要研究目标。传统的数据扰动方法存在计算复杂度高、对原始数据扰动幅度较大造成后续数据分析准确率低下等问题。文章针对原有研究的不足,提出了一种基于Jenks算法粒度可控的微聚集数据扰动加密算法,主要以最强影响边缘点中心代替原始子类中的边缘点,对原始数据进行有效扰动的同时不会对原始数据引入较大的噪声,从而在保证原始数据完整性的同时提高了后期数据分析的精度,也有效地保证了用户的数据隐私,达到了隐私保护的目的。