چکيده
كلان‌داده‌ها مجموعه داده‌هايي‌هستند كه از نظر حجم، تنوع، سرعت توليد و تغييرات بالا‌هستند و نيازمند‌يك معماري مقياس‌پذير براي نگهداري و تحليل مي‌باشند. تحليل بر روي اين داده‌ها فرصتي را فراهم‌آورده تا محققان بتوانند بر روي حجم زيادي از اطلاعات پردازش‌هاي گوناگوني مانند داده‌كاوي‌يا تحليل‌هاي آماري را پياده‌سازي كنند.يكي از دغدغه‌هاي اصلي در استفاده از اين نوع داده‌ها حفظ حريم خصوصي مي‌باشد. داده‌هايي كه در اين حوزه مورد كنكاش قرار مي‌گيرند ممكن است حاوي اطلاعات شخصي افراد حقيقي باشد كه مي¬بايست از آن¬ها حراست و محافظت شود. در عين‌حال محافظت از داده‌هاي شخصي افراد نبايد به كيفيت تحليل بر روي كلان‌داده تاثيري جدي داشته‌باشد. روش‌هاي مختلفي جهت حفظ حريم خصوصي داده‌ها مطرح شده‌است اما در عصر كلان‌داده روش‌ها و متدهاي پيشنهادي مي¬بايست از مقياس‌پذيري بالايي برخوردار بوده و‌همچنين سرعت اعمال اين روش‌ها بايد به حدي باشد تا در‌يك زمان معقول بتوانند حجم زيادي از داده را پردازش كرده و از حريم خصوصي افراد و داده‌هاي شخصي آن¬ها حفاظت كنند. گمنام‌سازي‌يا بي‌نام‌سازي به عنوان‌يكي از گزينه‌هاي مطرح، موردتوجه قرارگرفته‌است. علت برتري اين روش نسبت به روش رمزنگاري داده‌ها، سرعت اعمال الگوريتم‌هاي گمنام‌سازي نسبت به الگوريتم‌هاي رمزنگاري است. پيچيدگي زماني اين الگوريتم‌ها در مقياس كلان‌داده از اهميت بالايي برخوردار‌هستند. در اين گزارش الگوريتم‌هاي مطرح در حوزه گمنام‌سازي داده‌ها معرفي و مقايسه خواهند‌شد و سپس به بررسي چالش‌هاي به‌كارگيري آنها در كاربردهاي مبتني بر كلان‌داده‌ها پرداخته مي‌شود.همچنين ابزارهاي مورد استفاده در اين حوزه نيز معرفي خواهند‌شد.
