基于相似树查询的隐私大数据定向检索算法

网络用户文档涵盖大量隐私敏感数据,传统隐私大数据检索方法面对多种类繁杂数据存在检索顺序混乱问题,导致检索命中率不高、效率低下等问题。为解决上述问题,提出基于相似树查询的隐私大数据定向检索算法。结合物-雾-云建立适用于海量数据的隐私保护检索系统,设计基于相似树查询的兄弟叶节点查询结构。利用网格区域分割将多种类繁杂数据集划分成多个子集,完成大数据的相互匹配与滤波。结合模糊谱聚类完成数据关联属性特征提取,按照数据聚类属性识别分类特征,引入识别结果完成隐私大数据定向检索。仿真结果表明,与传统方法相比,所提隐私大数据定向检索方法检索性能具有明显应用优势,检索耗时短、精度高,能够有效维护网络用户数据安全。