面向社區(qū)檢測的局部隨機化匿名方法的研究.pdf

1、近年來，隨著社會的快速發(fā)展，尤其是社交平臺的興起，越來越多的用戶加入到線上社交平臺，使得社會網絡數(shù)據(jù)量迅猛增加，不但方便了個人及團體更好的進行交流，也方便相關科研機構對社會網絡進行更細致的研究分析。但是，有些數(shù)據(jù)卻不能直接提供給相關科研人員使用，因為數(shù)據(jù)中可能包含一些敏感信息，比如姓名、用戶關系、工資等。如果直接對原始數(shù)據(jù)發(fā)布，有可能泄露用戶隱私。因此我們在發(fā)布數(shù)據(jù)前必須對相應敏感數(shù)據(jù)進行隱私保護處理，但是這些隱私保護策略可能會很大程度

2、上修改原始社會網絡中的結構信息。因此，如何在數(shù)據(jù)的隱私保護和數(shù)據(jù)的效用性取得平衡是社會網絡的一個熱點問題。
　　目前的社會網絡數(shù)據(jù)發(fā)布方法主要是給定一個原始社會網絡圖，進行相應的隱私匿名保護后，直接發(fā)布。但是忽略了如下問題:（一）僅僅考慮隱私安全，沒有考慮到社會網絡圖的信息改變量;（二）原始社會網絡圖中可能包含各個子社區(qū)，沒有對相應的子社區(qū)的隱私安全做詳細的考慮。以上兩點使數(shù)據(jù)的實用性降低。發(fā)布的社會網絡圖越精細對于相關的社會網絡

3、分析者越有利，本文通過社區(qū)檢測算法對劃分后的子社區(qū)結構（結點的度）做相應的隱私保護分析，對面向社區(qū)檢測的社會網絡隱私保護做相應的研究。本文的主要工作如下:
　　首先，通過分析當前的社會網絡隱私保護方法，發(fā)現(xiàn)其不足。本文使用社會網絡結構（結點的度）作為攻擊者背景知識，傳統(tǒng)的k度匿名方法以及隨機化方法在隱私保護的過程中沒有充分考慮原始社會網絡的結構圖，以及原始社會網絡圖中存在多個子社區(qū)，一些邊的連接關系可以分為子社區(qū)內部的連接，子社區(qū)

4、之間的連接。在進行隱私保護的過程中，可能會破壞原始社會網絡的結構，比如一些社會網絡結點的添加刪除或者邊的添加刪除。在k度匿名以及隨機化的過程中，可能會產生很多的不確定圖，破壞了數(shù)據(jù)的實用性。
　　其次，對于上述兩種傳統(tǒng)方法存在的不足，本文提出了一種新的保護子社區(qū)結構信息的局部隨機化擾動方法。在該方法中:首先基于社區(qū)檢測過程中，記錄邊介數(shù)。當社區(qū)檢測完成之后，根據(jù)攻擊者的背景知識（結點的度），判斷是否有隱私泄露，如果沒有，說明該子社

5、區(qū)不存在隱私泄露問題，不做處理;如果有隱私泄露，判斷隱私泄露結點所連接的邊是否都在子社區(qū)內部，如果是社區(qū)內部的邊，屬于社區(qū)內的隱私泄露，則等概率刪除或者添加邊，運用隨機化進行擾動;如果隱私泄露的結點所連接的邊與另一個社區(qū)相連，說明該結點存在邊介數(shù)，調整邊介數(shù)被刪除的概率，使其被刪除的概率增大，然后在子社區(qū)間進行隨機化處理操作。通過該方法，很大程度上保證了社會網絡圖的原始面貌，對于任意的子社區(qū)，在保證隱私要求的前提下，該子社區(qū)社會網絡結構