同济大学学报(自然科学版)

2017, v.45(08) 1227-1232

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于差分隐私保护的社交网络发布图生成模型
Differential Privacy Protection Based Generation Model of Social Network Publication Graph

王俊丽;柳先辉;管敏;

摘要(Abstract):

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.

关键词(KeyWords): 差分隐私保护;社交网络;发布图生成模型

Abstract:

Keywords:

基金项目(Foundation): 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

作者(Author): 王俊丽;柳先辉;管敏;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享