基于匿名技術的網絡數據發(fā)布隱私保護研究.pdf

1、目前，關于社會網絡數據發(fā)布的隱私保護算法都屬于無差別的隱私保護方法，導致對部分用戶的數據造成過高的隱私保護，失去了用戶分享信息的原始意圖，同時也降低了社會網絡數據的可用性；大部分隱私保護技術主要基于靜態(tài)社會網絡數據的發(fā)布，攻擊者可以通過社會網絡的變化過程獲取社會網絡的隱私信息，造成用戶隱私泄漏；在社會網絡中，用戶也會擁有自己的敏感屬性值，例如薪資情況、社區(qū)屬性等；對于某些社會網絡，如果保留敏感邊的權值信息，可以更好地體現社會網絡的特性，

2、減小網絡數據損失。
　　針對上述問題，課題從匿名技術的角度對社會網絡中數據進行隱私保護研究。首先對社會網絡的隱私保護研究現狀進行概述，包括社會網絡的隱私信息類型、攻擊方式、匿名化原則、匿名化方法以及主流匿名模型等。針對社會網絡的三種抽象模型，對現有的隱私保護方法進行分析，并引入個性化思想，設計出一種基于動態(tài)社會網絡模型的個性化隱私保護方法和一種基于加權社會網絡模型的個性化隱私保護方法。
　　在動態(tài)社會網絡數據發(fā)布中，將社會網

3、絡中的隱私保護需求劃分為3個等級，同時為社會網絡中的敏感屬性C（結點所屬社區(qū)）和敏感邊提供隱私保護。通過(k,△d)-匿名算法以及鄰域子圖k-匿名算法對結點進行匿名處理。實驗結果表明，相對于(k,△d)-匿名和鄰域子圖k-匿名算法，個性化匿名算法的執(zhí)行效率更高，對數據造成的損失更小，但是在某些情況下波動幅度較大，不過總體趨勢仍然優(yōu)越于另外兩種算法。
　　在加權社會網絡數據發(fā)布中，將社會網絡中的隱私保護需求劃分為3個級別，通過k-度

4、分組和修改權重包對結點進行匿名，使得每個分組中的權重包滿足k-匿名，敏感屬性滿足l-多樣性。實驗結果表明，個性化匿名算法比k-直方匿名算法和KH-inv-LD匿名算法的執(zhí)行效率更高，信息損失更??；隨著 k值的增大，個性化匿名算法的優(yōu)越性更明顯；隨著l值的增大，執(zhí)行時間不斷增長，且增長比率也在增大。
　　無論是動態(tài)社會網絡還是加權社會網絡，個性化匿名算法與其他匿名算法相比，不僅實現了用戶對隱私的保護需求，提高了算法的執(zhí)行效率，同時降