在大数据时代的背景下,分析社交平台存在的安全问题以及发展现状,研究社交平台中的隐私数据安全问题变得越来越重要,本文就针对该问题对其隐私敏感数据进行加密从而达到保护效果,对于加密则采用混沌加密方法。随着国家密码法的颁布以及现在对数据货币加密的需求,混沌密码体系将会越来越应用到更多的领域。混沌密码利用混沌的性质即确定性、随机性、遍历性和对初始条件的敏感性,可以利用软件产生序列,改变了传统的密码学中利用物理噪声源芯片产生序列。在分析的技术方面本文采用的是大数据平台下的Hadoop分布式开源系统,将大数据技术与混沌加密结合,提高隐私数据的安全性。在Hadoop平台上进行加密提出了一种基于Hadoop平台分析社交网络数据,将这些隐私数据采用混沌加密系统进行加密。具体工作如下:(1)本文设计了一种混合加密算法。首先利用超混沌系统产生两个超混沌序列并且是没有什么关联性的,接下来将这两个无关联的超混沌序列与明文进行异或操作,这样就完成了第一次的加密,再接下来将第一次加密好的密文再进行第二次加密,用圆锥曲线产生的序列与第一次加密的密文进行再次加密。最后搭建了实验进行了分析得出,这个加密算法在秘钥方面具有空间大,敏感性很高而且密文的统计特性优良,这些指标在密码安全这块都是非常重要的指标;在破解这块,采用两次加密后的明文用密文分析不出任何的联系,所以不能采用特殊明文或者密文进行破解,而且该算法是采用非线性运算,在选择明文攻击这块也能有效抵挡,由此可知该算法安全性很高。(2)设计了一种基于Hadoop社交平台隐私数据系统。利用大数据技术,在分析现在大规模的社交网络隐私数据能力得到大大提升。该系统一共有四个层次,第一层是用户端的交互,第二层是数据预处理,第三层是隐私数据挖掘并进行加密,第四层是分布式存储和计算,其中第三层隐私数据挖掘并加密是利用Hadoop平台对社交网络上的海量数据进行分析挖掘得到隐私信息之间的关联规则,从而找出隐私信息并进行加密。(3)设计了一种关联规则挖掘算法,由于现在数据量很庞大,传统的FP-growth关联规则挖掘算法不能满足当下的需求。设计了一种升级的关联规则挖掘算法(TFP),该算法充分考虑到是在大数据平台上进行挖掘,而且还考虑到了各个节点的通信问题,故该算法进行通信优化可以解决负载均衡问题和各个节点之间通信在消耗上的问题,试验表明该方法确实提高了效率,而且查看了各个节点的通信量平衡,整体比普通的FP-growth算法有更高的效率。