基于差分隐私保护的社交网络发布图生成模型

作     者：王俊丽 柳先辉 管敏 WANG Junli LIU Xianhui GUAN Min

作者机构：同济大学电子与信息工程学院上海201804 

基　　金：国家"八六三"高技术研究发展计划(2015IM030300) 上海市科技创新计划(15DZ1101202) 上海市科委项目(14JC1405800) 同济大学中央高校基本科研业务费 

出 版 物：《同济大学学报（自然科学版）》 (Journal of Tongji University:Natural Science)

年 卷 期：2017年第45卷第8期

页      码：1227-1232页

摘      要：社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性.

主 题 词：差分隐私保护 社交网络 发布图生成模型 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11908/j.issn.0253-374x.2017.08.018

馆 藏 号：203262620...