大数据计算安全在实际应用中面临着很多威胁，主要集中在全面的数据安全和实时合规性、数据的加密和密文处理、数据的访问控制机制、数据挖掘外包方案的高效和可验证性、大数据计算的算法复杂性等方面。因此，如何解决大数据计算所面临的各种安全威胁，提供基于人工智能的灵活高效实用的大数据计算安全保障机制，是当前亟须解决的问题。本书深入探讨并回答了这些问题，同时注重理论与应用的结合，内容丰富，论述科学，其成果对于推动人工智能的应用和大数据计算安全具有重要的参考价值。
本书全面而详细地反映了作者在大数据计算安全方面的研究工作和成果，提供了大数据在云计算等应用中的计算安全理论和实践案例，视角新颖，富有启发性，是一本不可多得的参考书，可作为相关科研技术人员的重要参考文献。

第一章 绪论
1.1 大数据技术
1.1.1 大数据的基本概念
1.1.2 大数据处理流程
1.1.3 大数据关键技术
1.1.4 大数据管理系统
1.1.5 大数据在5G中的应用
1.2 机器学习技术
1.2.1 分类技术
1.2.2 聚类技术
1.2.3 频繁项集挖掘技术
1.2.4 深度学习技术
1.3 云计算技术
1.3.1 云计算体系架构
1.3.2 云计算关键技术
1.3.3 云计算的机遇与挑战
第二章 相关基础理论和方法
2.1 经典数据计算安全方法
2.1.1 集中式数据计算安全方法
2.1.2 分布式数据计算安全方法
2.2 同态加密算法
2.2.1 Paillier加密算法
2.2.2 ElGamal加密算法和代理重加密协议
2.2.3 双解密同态加密算法
2.2.4 全同态加密技术
2.3 云端大数据计算安全方法
2.3.1 k近邻分类计算安全技术
2.3.2 深度神经网络分类计算安全技术
2.3.3 k均值聚类计算安全技术
2.3.4 频繁项集挖掘计算安全技术
2.4 大数据计算完整性验证方法
2.4.1 可验证计算技术
2.4.2 安全数据挖掘的验证技术
第三章 云构建块基础计算安全技术
3.1 引言
3.2 安全基础计算问题描述
3.2.1 系统模型
3.2.2 安全威胁模型
3.2.3 设计目标
3.3 预备知识
3.4 支持多密钥的构建块计算安全方法
3.4.1 基于同态加法PRE的构建块计算安全方法
3.4.2 基于同态乘法PRE的构建块计算安全方法
3.5 安全性分析
3.5.1 安全性定义
3.5.2 构建块计算安全方法的安全性
3.6 性能分析
3.6.1 理论分析
……
第四章 采用随机变换加密的计算安全技术
第五章 采用混合公钥加密的计算安全技术
第六章 多云协作的计算安全技术和完整性验证方法
第七章 全同态加密计算安全技术
第八章 Spark框架下的计算安全技术
第九章 可容错的计算安全技术
第十章 混合同态加密计算安全技术
第十一章 深度神经网络预测的计算安全方法
第十二章 总结与展望
参考文献