在当今的大数据时代,个人隐私数据的丢失尤为严重,这给个人和社会产生了非常恶劣的影响。因此,研究在大数据环境下如何保护数据安全已经成为最重要的问题之一。只有处理好信息安全的瓶颈,信息技术才能讯速、广泛地发展。本文旨在研究如何快速将敏感数据从成千上万的数据中区分出来,并对敏感的私有数据进行加密以实现保护的目的。目前,对于大数据加密算法领域,普遍存在着较短的密钥长度、加密速度慢等缺点。本文在研究原有的数据加密算法和大数据技术的基础上,创新性地提出了一种基于超混沌和圆锥曲线的混合加密算法,算法在安全性上有所提高,并将混合加密算法在新一代大数据计算引擎Flink平台上进行并行计算,提高了加密速度。本文的具体工作内容如下:（1）本文设计了一种基于Flink平台的并行关联规则挖掘算法。由于现有数据量巨大,鉴于Apriori算法应用在传统单机串行处理的方式时会导致其挖掘速度会下降,和现有基于Hadoop平台和Spark平台的并行Apriori算法分别存在有大量I/O读写和中间结果等待造成迭代延迟等缺陷,而导致算法挖掘速度下降。提出采用Flink平台来解决这一问题,采用完全基于内存的流式处理的架构,新的迭代只需要获取部分中间结果就能开始计算,避免了迭代延迟,提高了算法的挖掘速率。实验表明,基于Flink平台的并行Apriori算法对大数据挖掘处理具有良好的适应性,并且在算法迭代次数和迭代产生的频繁项集较多情况下,可以有效地提高挖掘速度。（2）在研究超混沌系统和圆锥曲线分组加密的基础上,设计了基于超混沌和圆锥曲线的混合加密算法,首先,使用两个超混沌系统生成一个无关联性的超混沌序列。然后,使用无相关性的超混沌序列与明文之间执行异或运算以完成首次加密。再将首次加密后的密文作为圆锥曲线加密的明文执行第二次加密,以完成对首次加密的密文执行二次加密的目的。最后,建立了一个实验并进行了安全性分析,结果表明,该加密算法拥有密钥空间大、灵敏度高、密文统计特性好的优点。在破解方面,加密两次的明文不能用密文来分析,因此无法选择特殊的明文或密文来破解。此外,算法使用非线性运算,能够有效抵抗明文攻击。因此,该算法具有较高的安全性,能有效地保障隐私数据的安全性。（3）设计了一种基于Flink平台的隐私数据混合加密算法。由于Flink在并行计算中具有速度快、简单、通用性强、运行模式多等长处;通过对基于超混沌和圆锥曲线的混合加密算法进行Flink平台的并行算法理论分析。实验结果表明,在数据集大小相同时,随着计算节点数量的增加,加密时间逐渐缩短。在加速比方面,随着计算节点数量的增加,加速比逐渐增大,从而实现提高加密速度目的。