文献类型：期刊文章

作　　者：钱文君[1,2,3] 沈晴霓[1,2,3] 吴鹏飞[1,2,3] 董春涛[1,2,3] 吴中海[1,2,3]

QIAN Wen-Jun;SHEN Qing-Ni;WU Peng-Fei;DONG Chun-Tao;WU Zhong-Hai(School of Software and Microelectronics,Peking University,Beijing 102600;National Engineering Research Center for Software Engineering,Peking University,Beijing 100871;Key Laboratory of High Confidence Software Technologies of Ministry of Education(Peking University),Beijing 100871)

机构地区：[1]北京大学软件与微电子学院,北京102600 [2]北京大学软件工程国家工程研究中心,北京100871 [3]高可信软件技术教育部重点实验室(北京大学),北京100871

出　　处：《计算机学报》

基　　金：国家自然科学基金(61672026,61232005)资助.

年　　份：2022

卷　　号：45

期　　号：4

起止页码：669-701

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：批处理、流式计算和机器学习等分布式的大数据计算环境在云上的广泛部署与应用,为云用户带来了极大的便利,但随之带来的隐私数据泄露事件愈演愈烈.如何在这种云上部署的大数据计算环境下保护数据隐私成为一个研究热点,本文对近些年国内外在该领域的最新隐私保护研究成果及进展进行了全面综述.针对上述大数据计算环境下的参与角色及应用场景,结合不同角色的敌手模型,从计算过程涉及的数据输入、计算和输出等三个环节出发,依据计算数据为明文、密文或可信硬件保护条件下可能存在的隐私泄露风险,总结了对应的5类主要研究方向,包括:基于数据分离的隐私保护、基于数据干扰的隐私保护、基于安全多方计算的隐私保护、基于硬件增强的隐私保护和基于访问模式隐藏的隐私保护等,从隐私性、可用性和性能等方面对比分析了现有研究工作的优缺点;最后,展望了大数据计算环境下隐私保护技术的未来研究方向.

关 键 词：大数据隐私保护  数据分离 数据干扰  安全多方计算 硬件增强  访问模式隐藏  

分 类 号：TP309]