基于模糊评估大数据时代社交网络隐私风险
开篇：润墨网以专业的文秘视角，为您筛选了一篇基于模糊评估大数据时代社交网络隐私风险范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：文章针对目前大数据隐私保护机制具有的局限性，提出了基于模糊评估的现代社会网络隐私风险，使大数据隐私能够主动保护。在相关专家及文献的研究基础上，分析了大数据环境下社会网络存在的隐私风险。本研究证明基于模糊评价的社交网络风险具有良好的实用性，能够提高大数据环境下社会网络的服务水平。
在我国社会不断进步的过程中，科技也在不断的发展，现代社会产生的数据极速增长，统计数据量以PB（1024TB）级趋势不断增加，人们已经进入到大数据时代。现代社交网络备受人们喜爱，越来越多的人们喜欢通过社交网络分享自己的所见所闻、交友、聊天，人们在网络中的每一步操作都被服务器所记录。在开发社交网络个人信息潜在价值的基础上，如何保证其个人信息的安全性，保证个人信息不被利用及收集，是目前大数据时代要解决的问题。
1 创建隐私风险评估指标体系
1.1 社交网络的隐私风险因素
现在我们处于大数据时代中，社交网络也不断深入对用户数据的收集、处理及分享，也增加了用户隐私被侵害及威胁的可能性。社交网络隐私风险主要分为：
其一，社交网络较为脆弱。其主要包括软件缺陷、硬件缺陷、网络通信协议、用户隐私安全设置不严谨等，这种风险会导致用户在网络传输过程中的数据被伪造、窃听及篡改，并且还会使用户遭到物理破坏。
其二，用户行为极为脆弱。其主要包括用户的信息行为疏忽、隐私设置关联、用户密码简单等。由于用户能够通过自己的账号登录不同的论坛，用户在社交网络中的内容会被无意同步到其他网络，以此泄露[私，并且还会忽视社交网络中朋友的身份验证，导致自己的信息暴漏，被他人所利用。
其三，外部威胁。其主要包括服务崩溃、第三方因素、信息隐私交易及黑客攻击等。由于用户的疏忽或者技术的漏洞，能够使黑客或者其他人盗窃用户的隐私，将用户的隐私作为第三方不法使用的对象。
1.2 构建指标体系
通过上述分析，本文中构建指标体系的方法为Delphi，以相关专家的研究及知识对指标进行筛选，主要包括两轮删选，从而统一专家意见，以此形成隐私风险评估体系，分为三个以及指标及十三个二级指标。图1为隐私风险评估指标体系。
1.3 指标的量化处理
由于社交网络中的隐私风险评估体系并没有测量数据，都是定性指标，所以社交网络隐私风险评估体系具有一定的模糊性。那么为了能够对其进行定量评估和分析，就要通过本文的专家打分的定量化指标。专家打分的方法指的是将定性指标分为多个级别，并且对其赋予量值，以区分精度为基础，将打分的区间分为五、七及九三个分值，本文中使用五分值，隐私风险可以定义为低、较低、一般、较高、高五种级别，其对应的量值为1，3，5，7，9。隐私评估指标为负向，也就是说指标值越小，评价就越好。通过下式处理初始指标值：
1.4 指标权重的计算
指标权重指的是指标对评估对象的影响程度，其反映了指标之间的差异。在社交网络隐私风险评估的过程中，不同的风险指标的发生概率和损失也都各不相同，所以要根据其重要性对权重进行设置。为了保证评价指标的科学性及合理性，本文将Shannon信息熵融入到AHP方法中，计算评价指标熵值，通过信息量得出指标权重。[1]步骤为：
首先，处理决策矩阵X=（xij）m*n，得到标准化矩阵Y=（yij）m*n，之后归一化处理：
其次，将j指标的熵值进行计算，公式为：
另外，计算j指标的差异系数，表示为：
最后，计算j指标的权重，表示为：
评估指标权重向量为：
W=（w1，w2，...wn）
2 基于模糊评价的社会网络隐私风险
评估社交网络隐私风险的过程中，要考虑多种内在和外在因素的影响。因为社交网络自身就较为复杂，尤其是相亲交友网站中，涉及了多种隐私风险因素及模糊不确定的因素，所以不能够使用统计概率量化风险。那么就要基于模糊评价，根据其中的模糊关系合成理论，评估社交网络隐私风险。
2.1 定义评价语集
评价语集是要根据实际情况制定的，一般将其分为五个等级，以本文中低、较低、一般、较高、高五种级别为例，其等级度量可以表示为：
低：发生风险时对用户的隐私损害极小；较低：发生风险时对用户的隐私损害较小；中等：发生风险时对用户的隐私损害一般；较高：发生风险时对用户的损害严重；高：发横风险时对用户的隐私损害非常严重。
2.2 评估矩阵的创建
首先对单隐私风险因素进行评估ui（i=1，2，3，...，n），得出其模糊评价语集Ri（ri1，ri2，ri3，...，rim）。
假如某个因素因素ui有qij个vj评语，其隶属度rij表示为：
2.3 综合模糊评价
隐私风险因素的权重集W=（w1，w2，...wn）和评估矩阵R两者相互融合得到综合模糊评价，结果为：
通过模糊评估向量C判别评估结果，一般标准为最大隶属度。为了保证评估结果的客观性，使用加权评估计算，公式为：
通过隐私风险隶属度等级标准判定社交网络隐私风险等级。隐私风险隶属等级标准为：0-0.2分为低风险；0.2-0.4分为较低风险；0.4-0.6分为一般风险；0.6-0.8分为较高风险；0.8-1高风险。[2]
3 结束语
本文分析了大数据背景下社交网络隐私风险因素，并且创建了评估指标，计算了指标权重，以此模糊模糊评估了社会网络隐私风险。此方法能够客观地描述大数据环境下的社交网络隐私风险，从而主动规避隐私风险。
参考文献
[1]张艳欣，康旭冉.大数据时代社交网络个人信息安全问题研究[J].兰台世界，2014（5）：24-25.
[2]程燕.大数据时代社交网络隐私保护问题研究[J].计算机科学，2014（B10）：74-78.