10.19665/j.issn1001-2400.2022.01.002
差分隐私下的权重社交网络隐私保护
由于权重社交网络的复杂性和噪声随机性,传统的隐私保护方法无法兼顾社交网络中的隐私和效用需求.针对此问题,融合直方图统计和非交互式差分隐私查询模型,提出社交网络边权重直方图统计发布方法.该方法将边权重统计直方图作为查询结果,并设计低敏感度的边权重拉普拉斯噪声随机扰动算法,实现社交关系的差分隐私保护.为减少噪声量,引入社区结构熵将社交网络的用户节点划分为若干子社区,提出随机扰动改进算法,以社区为单位划分社交关系并注入拉普拉斯噪声,使各个社区序列满足差分隐私,实现从社区层面保护社交关系.此外,利用一维结构熵的特性,衡量算法对权重社交网络的整体隐私保护程度.理论分析和实验结果表明:所提出的隐私保护算法对节点度识别的保护程度均高于对比算法,能够实现更好的隐私保护效果,同时,在大型社交网络中能够满足差分隐私要求,且保持较高的社交网络数据效用.
权重社交网络、差分隐私、直方图发布、社区结构熵、边关系分组
49
TP309(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;贵州省科技重大专项计划;贵州省科技计划;贵州省高层次创新型人才项目
2022-05-13（万方平台首次上网日期，不代表论文的发表时间）
共10页
17-25,34
