基于層次結構的社會網絡差分隱私圖發(fā)布研究.pdf_第1頁
已閱讀1頁,還剩54頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、針對社會網絡的數據采集與深層分析技術如今已經引起了信息產業(yè)界的極大關注。數據挖掘技術的快速發(fā)展是一把雙刃劍,其所導致的隱私泄漏已經嚴重威脅到公民的隱私安全。這些安全問題越來越限制大數據的管理和應用,隱私保護這一理念已經深入人心,在大數據生態(tài)系統中成為重大現實問題。
  網絡結構是社會網絡的重要特征,網絡的層次結構反映了網絡中個體節(jié)點行為的區(qū)域性特征以及群體之間重要的關聯關系。本文針對社會網絡的隱私保護問題進行研究,以網絡的層次結構

2、這一角度作為切入點,引入層次隨機圖(HRG,hierachical random graphs)模型來刻畫社會網絡數據特征,并利用差分隱私這一嚴格的數學模型來保護社會網絡圖數據隱私。首先,將社會網絡圖轉化為層次隨機圖,采用馬爾科夫鏈蒙特卡洛(MCMC,Markov Chain Monte Carlo)方法與指數機制相結合采樣得到一組層次隨機圖,并針對每個樹圖結合拉普拉斯機制進行加噪處理,使其滿足差分隱私,最終將加噪后的HRG轉化為下三角

3、矩陣,求其均值矩陣后再根據矩陣內元素值即層次隨機圖的內部節(jié)點的連接概率值生成凈化后的社會網絡發(fā)布圖。本文提出的方法將差分隱私技術應用到社會網絡圖的隱私保護中,發(fā)布出經過差分隱私處理后的凈化圖,來掩蓋節(jié)點間的相互聯系,從而達到隱私保護的效果;同時通過層次隨機圖這一近似抽象轉換,在不破壞網絡結構的特性的前提下,大大降低了數據處理量,并在發(fā)布后依舊可以用于數據分析和挖掘,和以往研究方案相比大大提高了差分隱私保護的可用性,提升了發(fā)布圖的利用價值

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論