社會網(wǎng)絡個性化隱私保護技術研究.pdf

1、如今，隨著網(wǎng)絡技術快速發(fā)展，海量的虛擬社交網(wǎng)絡站點快速流行于人們生活中的各個領域之中，得到大眾的喜愛與應用，例如：Facebook，Myspace，Twitter，Linkedin等是目前社會化網(wǎng)絡和web2.0的風向標。由于大量在線社會網(wǎng)絡的建立和使用，越來越多的人們參加到社會網(wǎng)絡中。由于科學研究和實際應用的需要，數(shù)據(jù)擁有者會將社會網(wǎng)絡數(shù)據(jù)進行公開發(fā)布，而這些社會網(wǎng)絡中產(chǎn)生了大量的個人數(shù)據(jù)信息，其中一些信息是用戶不愿透露的，即社會網(wǎng)絡

2、中的隱私。各類社交網(wǎng)絡分析方法和數(shù)據(jù)挖掘技術被應用，導致某些社交網(wǎng)絡中某些個體認為隱私的數(shù)據(jù)信息也被公開，對其隱私造成侵害。因此，社會網(wǎng)絡的隱私保護是當務之急。
　　現(xiàn)有的社會網(wǎng)絡隱私保護通常是基于所有用戶完全一致的隱私保護，忽略了用戶之間對隱私保護的需求存在差別和攻擊者擁有的背景知識多樣性。針對這一問題，提出個性化隱私保護框架，根據(jù)用戶不同隱私保護需求提取部分子集，共設置三種隱私保護級別：首先，簡單移除節(jié)點標簽；其次，為保護節(jié)點

3、度信息，提出基于動態(tài)規(guī)劃思想的k-d_sub(k-degree_subset)算法，該算法確保在此子集內的每個節(jié)點的度至少存在k-1個其他節(jié)點的度與之相等；最后，為防止敏感屬性被識別將l-diversity與k-d_sub算法結合，提出k-d_l_sub(k-degree_l_subset)算法，該算法確保此子集內每個節(jié)點滿足k-度匿名并且確保在同一匿名組中節(jié)點的敏感屬性種類至少存在 l種。最后，基于以上個性化隱私保護框架，針對目前社會

4、網(wǎng)絡鄰域隱私保護相關研究并沒有考慮對于子集的保護，并且鄰域子集中的特定屬性分布情況也會造成個體隱私泄露這一問題，提出了一種新的(θ, k)-匿名模型?；趉-同構思想，利用鄰域組件編碼技術和節(jié)點精煉方法處理候選集中的節(jié)點及其鄰域子集信息，完成同構操作，其中考慮特定敏感屬性分布問題，最終滿足鄰域子集中的每個節(jié)點都存在至少 k-1個節(jié)點與其鄰域同構，同時要求每個節(jié)點的屬性分布在鄰域子集內和在整個子集的差值不大于θ。
　　本文通過大量不