基于帶權重社會網絡的隱私保護研究.pdf

1、隨著互聯(lián)網的發(fā)展，社會網絡也有了飛速的發(fā)展，由此產生了一些被大眾所熟知的應用程序，比如Facebook、微信等。社交用戶在使用這些應用時將會產生大量的社會網絡數據，這些數據中毫無疑問會涵蓋隱私信息。因此，在社會網絡數據發(fā)布前，為了避免隱私泄漏，數據持有者必須對這些數據采取保護。社會網絡中隱私的研究主要來源于關系數據，然而依舊存在一些問題。一方面，隱私保護中使用的數據沒有合適的國內數據集來用于檢驗算法有效性。另一方面，社會網絡數據往往被抽

2、象成不帶權重的簡單圖，但是邊權重可能會被當作攻擊者的背景知識，導致隱私泄漏。最后，大部分算法只考慮了單敏感屬性。結合這三方面的內容，本文提出了隱私保護的算法改進，具體研究成果如下:
　　(1)C-DBLP數據集的編制。C-DBLP數據集是來自于WAMDM實驗室一個合著網絡數據。本文通過計算C-DBLP數據集的權重，從原頁面抓取作者的已發(fā)表論文數據，然后根據每對合著者間合著文獻數目，每篇合著文獻作者數目，計算邊權重值，最后整合數據，

3、形成C-DBLP帶權重社會網絡數據集。
　　(2)基于邊增加的權重泛化算法。在實際的社會網絡中，權重值往往可以表明個體間關系的重要性，且權重也可能會導致目標個體的再識別，從而導致隱私泄漏。因此，本文考慮在帶權重社會網絡中抵御基于權重的攻擊，提出K-權重泛化匿名算法。該方法使用泛化和K-匿名來保證社會網絡數據的安全性。為了使隱私保護算法具有較高的有效性，本文引入權重差值來減少原始圖的修改。
　　(3)基于權重圖的多敏感屬性保護