面向加權社會網絡的隱私保護關鍵技術研究.pdf

1、隨著互聯(lián)網技術的不斷發(fā)展，社會網絡無時無刻不在產生海量數(shù)據。海量數(shù)據為科研人員提供數(shù)據分析與知識挖掘便利的同時，隨之而來用戶的隱私也暴露無疑。而針對社會網絡數(shù)據的隱私保護問題，已經成為數(shù)據隱私研究領域學者普遍關注的熱點問題。社會網絡數(shù)據中的隱私信息異常廣泛，攻擊者可以利用多種背景知識來進行隱私攻擊。目前社會網絡隱私保護技術主要針對無權重的簡單圖，不能直接應用于加權社會網絡。針對以上問題，重點研究了面向加權社會網絡的隱私保護技術。

2、　　分析了加權社會網絡中的路徑隱私泄露問題，針對最短路徑識別，提出了基于加權圖簡單路徑集和復雜路徑集的不同隱私保護策略。對于簡單路徑集，提出了Global_Generalization算法，即對加權圖目標結點之間的簡單路徑集進行泛化，泛化過程使得路徑集中的每條路徑權重取值范圍相同，達到匿名路徑集的目的，又使得泛化區(qū)間包含真實權重取值，從而提高匿名數(shù)據的可用性。對于復雜路徑集，提出了Local_Optimization算法，即在全局泛化的

3、基礎上，對路徑集中的重疊邊進行局部優(yōu)化處理。進而，提出了加權圖k-可能路徑匿名(簡稱KPPA)隱私保護模型，來防止基于加權社會網絡的最短路徑隱私攻擊。
　　針對加權圖中結點敏感標簽信息泄露問題，提出了k-histogram-inverse-l-diversity（簡稱KH-inv-LD）隱私保護模型，該模型對加權圖的結點權重序列進行保護，同時基于標簽信息泛化提出了反轉l-多樣性來防止結點敏感信息的泄露。針對k-histogram權

4、重匿名組中的結點單敏感屬性，設計了Single-sensitive-attribute generalization(SSAG)算法。研究了如何在提高數(shù)據可用性的同時對多敏感屬性信息進行保護，設計了Multi-sensitive-attribute generalization(MSAG)算法。
　　在真實數(shù)據集上進行了大量的測試研究，通過實驗結果本身及對實驗結果的分析，證明了本文提出的算法都能夠高效地保護加權圖中的隱私信息，同時