社交網絡中關系數(shù)據(jù)的隱私保護方法研究.pdf

1、近年來，社交網絡的流行已深刻地改變了人們的日常生活和交流方式。然而，眾多活躍用戶在依賴一些社交應用的同時忽視了對現(xiàn)實中重要屬性和關系等信息的隱私保護，如今各種惡意攻擊和隱私泄露引發(fā)了一系列嚴重的安全威脅和社會問題。因此，研究社會網絡的隱私保護技術顯得尤為重要。
　　現(xiàn)有的社交網絡隱私保護研究大多側重如何實現(xiàn)各種基于節(jié)點屬性或關系圖的匿名化模型，忽略了由于匿名化而帶來巨大的信息損失及計算NP-Hard問題，同時存在著網絡關系結構被嚴

2、重破壞的不足。此外，目前還缺乏對加權敏感邊隱私保護方法的深入討論。為此，本文改進了現(xiàn)有k-度匿名模型，并且提出針對加權敏感邊的隱私保護方法，主要貢獻如下：
　　(1)針對無權無向網絡提出一種保持網絡結構穩(wěn)定的 k-度匿名隱私保護模型SimilarGraph，運用動態(tài)規(guī)劃方法對節(jié)點度序列進行最優(yōu)簇劃分，然后采用移動邊操作方式重構網絡實現(xiàn)基于圖的k-度匿名化，該模型區(qū)別于傳統(tǒng)的數(shù)值擾亂或圖修改方法，其優(yōu)勢在于既不增加網絡邊數(shù)和節(jié)點數(shù)，

3、也不破壞網絡原有連通性和關系結構，克服現(xiàn)有社交網絡的匿名化模型存在信息損失量巨大、網絡關系結構改變嚴重等問題。實驗結果表明，SimilarGraph匿名化方法不僅能有效提高網絡抵御度屬性攻擊的能力，并且還能保持網絡結構穩(wěn)定，同時具有較理想的信息損失代價。
　　(2)提出一種針對加權敏感邊的隱私保護方法，該方法以邊介數(shù)為網絡重要性評價手段來區(qū)分敏感邊與非敏感邊，并通過添加偽邊和邊權重擾動相結合方式實現(xiàn)對重要加權敏感邊的隱私保護，以解