面向加權(quán)社會(huì)網(wǎng)絡(luò)的隱私保護(hù)關(guān)鍵技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，社會(huì)網(wǎng)絡(luò)無(wú)時(shí)無(wú)刻不在產(chǎn)生海量數(shù)據(jù)。海量數(shù)據(jù)為科研人員提供數(shù)據(jù)分析與知識(shí)挖掘便利的同時(shí)，隨之而來(lái)用戶的隱私也暴露無(wú)疑。而針對(duì)社會(huì)網(wǎng)絡(luò)數(shù)據(jù)的隱私保護(hù)問(wèn)題，已經(jīng)成為數(shù)據(jù)隱私研究領(lǐng)域?qū)W者普遍關(guān)注的熱點(diǎn)問(wèn)題。社會(huì)網(wǎng)絡(luò)數(shù)據(jù)中的隱私信息異常廣泛，攻擊者可以利用多種背景知識(shí)來(lái)進(jìn)行隱私攻擊。目前社會(huì)網(wǎng)絡(luò)隱私保護(hù)技術(shù)主要針對(duì)無(wú)權(quán)重的簡(jiǎn)單圖，不能直接應(yīng)用于加權(quán)社會(huì)網(wǎng)絡(luò)。針對(duì)以上問(wèn)題，重點(diǎn)研究了面向加權(quán)社會(huì)網(wǎng)絡(luò)的隱私保護(hù)技術(shù)。

2、　　分析了加權(quán)社會(huì)網(wǎng)絡(luò)中的路徑隱私泄露問(wèn)題，針對(duì)最短路徑識(shí)別，提出了基于加權(quán)圖簡(jiǎn)單路徑集和復(fù)雜路徑集的不同隱私保護(hù)策略。對(duì)于簡(jiǎn)單路徑集，提出了Global_Generalization算法，即對(duì)加權(quán)圖目標(biāo)結(jié)點(diǎn)之間的簡(jiǎn)單路徑集進(jìn)行泛化，泛化過(guò)程使得路徑集中的每條路徑權(quán)重取值范圍相同，達(dá)到匿名路徑集的目的，又使得泛化區(qū)間包含真實(shí)權(quán)重取值，從而提高匿名數(shù)據(jù)的可用性。對(duì)于復(fù)雜路徑集，提出了Local_Optimization算法，即在全局泛化的

3、基礎(chǔ)上，對(duì)路徑集中的重疊邊進(jìn)行局部?jī)?yōu)化處理。進(jìn)而，提出了加權(quán)圖k-可能路徑匿名(簡(jiǎn)稱KPPA)隱私保護(hù)模型，來(lái)防止基于加權(quán)社會(huì)網(wǎng)絡(luò)的最短路徑隱私攻擊。
　　針對(duì)加權(quán)圖中結(jié)點(diǎn)敏感標(biāo)簽信息泄露問(wèn)題，提出了k-histogram-inverse-l-diversity（簡(jiǎn)稱KH-inv-LD）隱私保護(hù)模型，該模型對(duì)加權(quán)圖的結(jié)點(diǎn)權(quán)重序列進(jìn)行保護(hù)，同時(shí)基于標(biāo)簽信息泛化提出了反轉(zhuǎn)l-多樣性來(lái)防止結(jié)點(diǎn)敏感信息的泄露。針對(duì)k-histogram權(quán)

4、重匿名組中的結(jié)點(diǎn)單敏感屬性，設(shè)計(jì)了Single-sensitive-attribute generalization(SSAG)算法。研究了如何在提高數(shù)據(jù)可用性的同時(shí)對(duì)多敏感屬性信息進(jìn)行保護(hù)，設(shè)計(jì)了Multi-sensitive-attribute generalization(MSAG)算法。
　　在真實(shí)數(shù)據(jù)集上進(jìn)行了大量的測(cè)試研究，通過(guò)實(shí)驗(yàn)結(jié)果本身及對(duì)實(shí)驗(yàn)結(jié)果的分析，證明了本文提出的算法都能夠高效地保護(hù)加權(quán)圖中的隱私信息，同時(shí)