在大数据采集、分析、传输、存储的整个生命周期中伴随的敏感数据泄露问题日趋严峻。密码学是保证数据安全的有效途径之一,其中混沌密码学作为一门混沌理论与密码学交叉融合的学科,在国内外众多学者长达三十载的研究与探索中,于图像加密、数字水印、Hash函数等信息安全领域取得一些成果,但将混沌密码学与大数据的隐私保护相结合的研究尚且不多,同时亦是当今研究的热点课题之一。Spark Streaming是构建在轻量级大数据处理平台Spark上的一种实时数据处理框架,能同时兼容批量处理和实时数据处理的逻辑和算法,且被广泛应用于各种实时数据分析处理场景,但是对于实时数据的处理并没有提供好的隐私保护方案。为了实现对海量数据流中敏感数据的甄别与保护,本文结合混沌密码学与大数据实时处理框架Spark Streaming,作一些尝试与探索,设计了一种基于Spark Streaming的实时隐私数据混沌加密系统(RPCES)。具体工作情况如下:(1)设计了一种5维无简并高维离散时间超混沌系统。首先给出一个非线性标称矩阵,然后通过非奇异矩阵进行相似变换获得一个渐近稳定的标称系统。随后设计了一个一致有界的控制器和控制矩阵,采用混沌反控制对系统进行极点配置,使得到的系统拥有5个较大的正李氏指数,达到无简并状态。(2)设计了一种基于Spark Streaming实时隐私数据混沌加密系统(RPCES)。系统由数据收集系统、数据分析与甄别系统、数据加密系统、和数据存储系统四大部分组成。其中在数据分析与甄别系统中通过大数据平台自有的Spark MLlib库中的机器学习算法,训练出隐私数据甄别模型,用以数据分类。在数据加密系统中,用混沌加密算法进行数据加密。整个系统可扩展且具有实时性、高容错性和安全性。(3)提出了一种高维离散时间超混沌加密算法。加密算法结合Spark Streaming机制,能够对数据进行并行加密,且算法设计上通过环形耦合实现加密密文的闭环反馈,能有效抵御已知明文和选择明文攻击。算法所生成的混沌序列能通过极为严格的TESTU01测试。结果表明,RPCES具有良好的可扩展性、稳定性和实时处理能力,能有效甄别出海量数据流中敏感数据,降低所需加密的数据体量。使用混沌加密算法对敏感数据进行实时加密,能有效降低海量数据流中隐私数据泄露机率,保证数据的安全性。