大数据时代带来了数据的爆炸式增长,企业和个人越来越依赖于从大数据中获得有价值的信息,但同时也不可避免的使隐私数据遭遇各种安全威胁,包括来自授权用户的误操作、非授权用户攻击、病毒感染等。隐私数据泄漏事件时有发生,危害到个人名誉、企业利益甚至国家的安全,隐私数据的保护越来越受到人们的重视,已成为大数据背景下数据安全领域的热点问题。为了提高隐私数据的安全系数,考虑到隐私数据的保密性、完整性及其可用性,本文提出了一种将数据混淆理论引入到隐私数据保护的安全机制。论文的主要研究内容如下:(1)分析了隐私数据面临的安全威胁及现有隐私数据保护技术,并对数据混淆算法进行了深入研究,将数据混淆思想引入到隐私数据保护中。(2)采用数组折叠变换思想对敏感数据进行存储位置混淆,将混淆结果保存到加密的XML文件中,并将敏感数据全部匿名处理后发布,全面考虑到敏感数据的安全存储与发布,为隐私数据提供了较好的保护。(3)为了进一步增强隐私数据的隐私保护度,采用非固定位置数值置换与随机正交矩阵思想相结合的二次数据混淆方法建立了隐私数据保护模型,以提高隐私数据的安全系数,进一步增强攻击者的攻击难度。实验分析表明,本文所构建的两个基于数据混淆的隐私数据保护模型在有效保护隐私数据的同时,能明显提高其安全保护系数。