基于層次結構的社會網絡差分隱私圖發(fā)布研究.pdf

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