基于K-同構算法的社會網絡隱私保護研究.pdf

1、隨著Web2.0的快速發(fā)展和3G網絡技術的普及，手機上網用戶數量的增加，社交類型的網站迎來了快速發(fā)展的最佳時期，比如朋友網、SNS、微博客等。在這些社交網站上注冊的用戶數量非常多，且用戶的自主性、互動性更高，用戶就會自然地成為信息的制作者、傳播者或者共享者，社會網絡數據就會非常龐大。由于科學研究與實際應用的需要，數據擁有者需要將社會網絡數據進行公開發(fā)布。另外，社交類型網站大量創(chuàng)建并營造一個非常有應用價值的市場環(huán)境，很多基于社會網絡統(tǒng)計分

2、析的技術方法被開發(fā)研究并在商業(yè)領域產生了廣泛的應用，出現新式社會網絡數據挖掘技術并產生了經濟價值。但如果不合理地使用這些數據，會對用戶的隱私和信息安全構成威脅。
　　傳統(tǒng)的隱私保護技術不能直接應用于維度更高的社會網絡數據，且其本身就具有復雜性，同時也缺少相應的隱私保護方法，導致用戶的隱私信息泄漏。而數據發(fā)布者要保證擬發(fā)布的數據不能泄露個人的重要敏感信息，發(fā)布者必須對待發(fā)布的數據進行匿名化處理。數據結構中的相關圖理論與方法被用來表示

3、社會網絡數據，提出一種基于k-同構算法優(yōu)化改進的社會網絡隱私保護方法，通過對原始圖數據進行有效劃分為k個子圖，同時為降低匿名成本，增加與刪除邊數量近似相等，保證發(fā)布的圖數據是k-同構的，使得攻擊者不能利用背景知識發(fā)動結構化攻擊。針對動態(tài)社會網絡數據發(fā)布中泄露個人的隱私信息問題，同時對于攻擊者的多重聯結結構化攻擊，采用動態(tài)社會網絡隱私保護方法，在每次發(fā)布時采用k-同構算法把原始圖有效劃分為k個同構子圖，然后對節(jié)點ID泛化，阻止節(jié)點增加或刪

4、除時攻擊者結合多重發(fā)布間的關聯識別用戶的隱私信息。
　　算法主要分為兩部分，第一部分得到k-同構匿名的社會網絡，即 k個同構子圖彼此間是同構的；第二部分對動態(tài)社會網絡中節(jié)點的ID進行泛化。對于非動態(tài)的社會網絡，直接進行k-同構處理；對于動態(tài)的社會網絡，首先進行k-同構處理，然后對節(jié)點 ID進行泛化，再發(fā)布匿名社會網絡。最后，對提出改進的優(yōu)化算法進行性能測試，采用真實數據集進行實驗。結果表明優(yōu)化的k-同構算法是相對高效的，比原有算法