基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法

文/張曙光

常規(guī)數(shù)據(jù)集域隱私匹配算法，依托遞推演算的方式，能夠?qū)崿F(xiàn)數(shù)據(jù)集域隱私匹配計算，但由于受到計算條件的限制，存在匹配計算不穩(wěn)定性的不足，不適合大數(shù)據(jù)下的集域隱私匹配，為此提出了基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法研究。試驗數(shù)據(jù)表明提出的基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法研究，具備較高的有效性。

1 構(gòu)建大數(shù)據(jù)集域隱私匹配算法研究模型

1.1 搭建大數(shù)據(jù)集域隱私匹配算法研究平臺

大數(shù)據(jù)集域隱私匹配算法研究平臺結(jié)構(gòu)主要包括，集域數(shù)據(jù)載入、數(shù)據(jù)預(yù)處理、大數(shù)據(jù)分析與儲存和數(shù)據(jù)顯示四部分構(gòu)成。

集域數(shù)據(jù)載入是對原有的集域數(shù)據(jù)進行載入的端口，其中包括通信協(xié)議、儲存器、索引、數(shù)據(jù)棧四部分構(gòu)成。數(shù)據(jù)的預(yù)處理是對已經(jīng)載入的數(shù)據(jù)進行預(yù)處理，為矩陣分解計算，與大數(shù)據(jù)集域隱私匹配算法規(guī)則的載入提供平臺。結(jié)合大數(shù)據(jù)的方式對數(shù)據(jù)進行處理，并提供數(shù)據(jù)顯示窗口，其匹配算法研究平臺結(jié)構(gòu)框架圖如圖1所示。

1.2 載入大數(shù)據(jù)集域隱私匹配算法規(guī)則

已知矩陣分解計算方程x(k+1)=L-1(b-Ux(k))，可用f(x)函數(shù)表示，其f(x)滿足規(guī)則方程f(x)=∑ax+1/c的要求，其中x代表單個變量，c代表條件變量。則f(x)滿足以下要求。

當(dāng)f(x)>1，c取正值，L-1(b-Ux(k))< ∑ax+1/c，正向求解；

當(dāng)f(x)<1，c取負(fù)值，L-1(b-Ux(k))>∑ax+1/c，累加求解；

當(dāng)f(x)=1，c為0，L-1(b-Ux(k))=∑ax+1/c，累加求解或正向求解；

基于大數(shù)據(jù)集域隱私匹配算法規(guī)則與矩陣計算遞歸求解過程又稱為核函數(shù)計算，是集域隱私匹配求解的必要過程。依托大數(shù)據(jù)集域隱私匹配算法研究平臺的搭建，引入矩陣分解計算以及大數(shù)據(jù)集域隱私匹配算法規(guī)則載入，實現(xiàn)大數(shù)據(jù)集域隱私匹配算法研究模型的構(gòu)建。

2 實現(xiàn)矩陣分解的大數(shù)據(jù)集域隱私匹配算法研究

2.1 確定大數(shù)據(jù)集域隱私匹配計算變量參數(shù)

大數(shù)據(jù)集域隱私匹配計算變量參數(shù)主要包括系統(tǒng)變量范圍、匹配系數(shù)、集域隱私權(quán)數(shù)的計算三個部分，系統(tǒng)變量范圍、匹配系數(shù)、集域隱私權(quán)數(shù)的參數(shù)確定是，完成基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法的核心計算過程。

表1：15%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表

表2：35%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表

表3：65%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表

系統(tǒng)變量范圍是指，大數(shù)據(jù)集域隱私匹配計算的能夠統(tǒng)計的變量范圍，在合理計算范圍內(nèi)進行有規(guī)則的匹配計算。

根據(jù)統(tǒng)計學(xué)計算得出系統(tǒng)變量范圍可用公式（1）表示：

式中，μ代表集域隱私均值參數(shù)，σ代表集域隱私方差參數(shù)，參數(shù)滿足-∞<μ<∞，σ>0，x代表系統(tǒng)變量單元。

根據(jù)系統(tǒng)變量范圍，進行匹配系數(shù)的計算，其匹配系數(shù)可用公式（2）表示：

式中，xi代表系統(tǒng)變量中的第i次參數(shù)，基于系統(tǒng)變量范圍、匹配系數(shù)、集域隱私權(quán)數(shù)的確定，實現(xiàn)了大數(shù)據(jù)集域隱私匹配計算變量參數(shù)的確實。

3 仿真實驗

為了保證本文提出的基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法研究的有效性，進行仿真模擬試驗分析。試驗過程中，以不同的數(shù)據(jù)體量作為實驗對象，根據(jù)數(shù)據(jù)本身的波動性，以及匹配計算結(jié)果波動性，進行匹配計算穩(wěn)定性仿真實驗。為了保證試驗的客觀性，使用常規(guī)集域隱私匹配算法作為比較對象，對比仿真試驗結(jié)果，并將試驗數(shù)據(jù)呈現(xiàn)在同一數(shù)據(jù)表中，進行匹配計算穩(wěn)定性分析。

3.1 實驗結(jié)果分析

根據(jù)實驗，得出15%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表如表1所示，標(biāo)準(zhǔn)匹配計算穩(wěn)定性采用相對值法計算得來，其中1為100%穩(wěn)定，1.06代表向上起伏6%，0.92代表向下起伏8%。

對數(shù)據(jù)本身的波動性為35%，進行方差與極差的數(shù)據(jù)分析。其35%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表如表2所示。

由實驗得出，在數(shù)據(jù)本身的波動性為35%時，提出的大數(shù)據(jù)集域隱私匹配算法離散性已經(jīng)明顯優(yōu)于常規(guī)集域隱私匹配算法。

在數(shù)據(jù)本身的波動性為35%時，提出的大數(shù)據(jù)集域隱私匹配算法抑制波動性性優(yōu)于常規(guī)集域隱私匹配算法。

同理對數(shù)據(jù)本身的波動性為65%，進行方差與極差的數(shù)據(jù)分析。其65%數(shù)據(jù)波動性匹配計算穩(wěn)定性試驗結(jié)果表如表3所示。

得出以下結(jié)論：隨著數(shù)據(jù)本身的波動性的增加，匹配計算穩(wěn)定性通常顯示向上起伏；提出的大數(shù)據(jù)集域隱私匹配算法，受到隨著數(shù)據(jù)本身的波動性影響較?。惶岢龅拇髷?shù)據(jù)集域隱私匹配算法離散性與抑制波動性，優(yōu)于常規(guī)集域隱私匹配算法；綜合上表，得出的大數(shù)據(jù)集域隱私匹配算法較常規(guī)集域隱私匹配算法，綜合匹配計算穩(wěn)定性提高26.49%。

4 總結(jié)

本文提出了基于矩陣分解的大數(shù)據(jù)集域隱私匹配算法研究，基于大數(shù)據(jù)集域隱私匹配算法研究模型的構(gòu)建，以及計算變量參數(shù)、分析流程的確定，實現(xiàn)本文的研究。試驗數(shù)據(jù)表明，本文設(shè)計的方法具備極高的有效性。希望本文的研究能夠為大數(shù)據(jù)集域隱私匹配算法提供理論依據(jù)。