社会网络数据发布中的隐私保护方法研究

论文摘要

近些年来，随着网络技术的快速发展，互联网已经渗透到人类社会的方方面面，并不断影响着人们的工作、学习和生活方式。Web2.0的快速兴起，使得社交网站的注册用户数正迅速增加，从而产生了越来越多的大规模社会网络数据。为了研究这些数据背后的知识和价值，大量的社会网络分析的方法被开发研究出来。但如果不能正确使用社会网络数据，发布和研究这些数据可能对隐私和信息安全构成威胁。现有的隐私保护技术主要是针对关系型数据的，并不能直接用于社会网络数据。和关系型数据相比，社会网络数据中节点之间包含连接关系，若只匿名节点，那么攻击者可能使用目标节点的结构信息来识别个体，从而导致隐私泄露。本文主要研究了社会网络数据发布中可能存在的度数攻击、子图攻击和边权攻击等问题，并提出了相应的解决方案。对于度数攻击问题，本文首先使用聚类算法构造k度向量，然后采用基于Havel定理的图重构算法来构造k度匿名的社会网络，并使用结构信息损失度来衡量数据可用性。仿真实验表明，匿名的社会网络与原图具有较高的相似度。对于子图攻击问题，本文提出了（d,k）-匿名社会网络模型，该模型使用迭代哈希图同构检测算法，采用贪心匿名匹配策略对图进行修改。聚集查询实验表明,使用该算法匿名后的数据具有良好的可用性。对于边权攻击问题，本文提出了基于Dijkstra算法的边权扰乱模型，该模型两次调用Dijkstra算法，在保证核心节点到目标点集的最短路路径和长度都不变的情况下，对图的边权进行小范围扰动。

论文目录

• 中文摘要
• Abstract
• 第一章 引言
• 1.1 选题背景和意义
• 1.2 国内外研究现状
• 1.3 主要内容和创新点
• 1.4 组织结构
• 第二章 社会网络数据相关知识介绍
• 2.1 社会网络的定义和数学表示
• 2.2 社会网络数据的特点
• 2.3 社会网络中的隐私模型
• 2.4 攻击者的背景知识
• 2.5 匿名后的数据可用性
• 2.6 社会网络数据匿名技术
• 第三章 抵抗度数攻击的社会网络隐私保护方法
• 3.1 引言
• 3.2 相关工作
• 3.3 度数攻击模型
• 3.4 抵抗度数攻击的社会网络匿名算法
• 3.4.1 基于 K-means 聚类算法的 K 度向量构造算法
• 3.4.2 基于 Havel 定理的匿名图重构算法
• 3.4.3 算法分析和结论
• 3.5 实验数据分析
• 3.5.1 R-MAT 模型人工合成数据集
• 3.5.2 实验结果分析
• 3.5.3 匿名后的数据可用性
• 3.6 本章小结
• 第四章 抵抗子图攻击的社会网络隐私保护方法
• 4.1 引言
• 4.2 相关工作
• 4.3 （d,k）-匿名社会网络模型
• 4.4 抵抗子图攻击的社会网络匿名算法
• 4.4.1 基于随机哈希的子图同构检测方法
• 4.4.2 基于贪心修改的图匿名算法
• 4.4.3 算法分析和结论
• 4.5 实验数据分析
• 4.5.1 共同作者数据集
• 4.5.2 哈希同构检测分析
• 4.5.3 实验结果分析
• 4.5.4 匿名后的数据可用性
• 4.6 本章小结
• 第五章 抵抗边权攻击的社会网络隐私保护方法
• 5.1 引言
• 5.2 相关工作
• 5.3 敏感边权模型
• 5.4 基于边权扰乱的社会网络匿名算法
• 5.4.1 Dijkstra 算法求单源最短路
• 5.4.2 边权扰乱算法
• 5.4.3 算法分析和结论
• 5.5 实验数据分析
• 5.5.1 随机数据集
• 5.5.2 实验结果分析
• 5.5.3 匿名后的数据可用性分析
• 5.6 本章小结
• 结论与展望
• 参考文献
• 致谢
• 在学校期间的研究成果以及发表的学术论文
• 个人简历