多社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布隱私保護算法研究
發(fā)布時間：2022-01-24 12:24
在計算機網(wǎng)絡(luò)飛速發(fā)展的今天,社交網(wǎng)站之于人們?nèi)粘９ぷ�、娛樂不可或缺。Facebook、Twitter、微博等社交網(wǎng)站被廣泛使用,其與日俱增的用戶數(shù)量和訪問量使得社交網(wǎng)絡(luò)數(shù)據(jù)愈發(fā)龐雜,數(shù)據(jù)發(fā)布的隱私保護問題愈發(fā)重要。將社交網(wǎng)絡(luò)數(shù)據(jù)以個體為頂點、朋友關(guān)系為邊建模為圖結(jié)構(gòu),圖數(shù)據(jù)在發(fā)布后存在被攜帶有不同背景知識的惡意對手所攻擊產(chǎn)生的隱私泄露問題,被泄露的隱私包括被攻擊目標的所在頂點或邊、頂點的敏感屬性或邊的權(quán)重信息等。如何建立隱私攻擊模型并設(shè)計有針對性的方案解決可能存在的隱私泄露問題、保護數(shù)據(jù)發(fā)布中的隱私信息是現(xiàn)今社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布隱私保護領(lǐng)域致力研究的重點。針對多個社交網(wǎng)絡(luò)中以頂點組合度為背景知識進行攻擊造成頂點身份再識別的隱私泄露問題,本文定義啟發(fā)式多社交網(wǎng)絡(luò)攻擊模型——組合度攻擊模型,該攻擊模型提出多個社交網(wǎng)絡(luò)數(shù)據(jù)集中被攻擊目標的頂點度值可組合作為攻擊者的背景知識,攻擊者根據(jù)組合度從不同社交網(wǎng)絡(luò)數(shù)據(jù)集中獲得被攻擊目標構(gòu)成的候選集,匹配集合間頂點的非敏感屬性信息對被攻擊目標所屬頂點再識別。為了解決此隱私攻擊,本文提出組合度（dx,dy）-k匿名算...
【文章來源】：哈爾濱工程大學黑龍江省 211工程院校
【文章頁數(shù)】：60 頁
【學位級別】：碩士
【部分圖文】：
人人網(wǎng)某用戶的個人主頁信息
本章的第一種場景，在朋友關(guān)系的簡單社交網(wǎng)絡(luò)圖中頂點的度值即為其好友數(shù)量，攻擊者知道目標頂點的度值，如果該社交網(wǎng)絡(luò)中與目標頂點度值相同的頂點數(shù)較少，則攻擊者能夠以較高概率在圖數(shù)據(jù)中識別出目標頂點。如圖 2.1 所示，攻擊者可以輕易地從其社交網(wǎng)絡(luò)個人主頁獲得度值信息作為發(fā)起攻擊所需的背景知識。
在日常使用的社交網(wǎng)絡(luò)（例如，F(xiàn)acebook 和 LinkedIn）中包含了大量用戶的個人信息，例如姓名，性別，年齡，地址和職業(yè)等，這些屬性信息即為用戶的畫像文件，在社交網(wǎng)絡(luò)數(shù)據(jù)集中以標簽的形式表現(xiàn)。每個用戶可以自定義設(shè)置他想要隱藏的屬性，因此標簽可以是敏感的也可以是非敏感的。以圖 2.6 為例，設(shè)計一個基于朋友關(guān)系的綜合社交網(wǎng)絡(luò)。
【參考文獻】：
期刊論文
[1]DP2Gsister:差分隱私社交網(wǎng)絡(luò)圖發(fā)布模型[J]. 殷軼平,徐睿峰. 信息技術(shù)與網(wǎng)絡(luò)安全. 2018(06)
[2]基于節(jié)點特征的不確定圖社交網(wǎng)絡(luò)隱私保護方法[J]. 顏軍,胡靜,溫閣,田堉攀. 信息安全研究. 2018(06)
[3]基于擾動的社交網(wǎng)絡(luò)保護方法研究[J]. 范國婷,楊穎,孫剛,趙佳. 阜陽師范學院學報(自然科學版). 2017(04)
[4]基于差分隱私保護的社交網(wǎng)絡(luò)發(fā)布圖生成模型[J]. 王俊麗,柳先輝,管敏. 同濟大學學報(自然科學版). 2017(08)
[5]移動社交網(wǎng)絡(luò)隱私保護算法[J]. 代楚瓊. 產(chǎn)業(yè)與科技論壇. 2017(12)
[6]基于差分隱私的社交推薦方法[J]. 彭慧麗,張嘯劍,金凱忠. 計算機科學. 2017(S1)
[7]K-對稱-N算法的社交網(wǎng)絡(luò)的隱私保護[J]. 高潔,肖基毅,向霞. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2017(01)
[8]一種遺傳算法實現(xiàn)的圖聚類匿名隱私保護方法[J]. 姜火文,曾國蓀,胡克坤. 計算機研究與發(fā)展. 2016(10)
[9]數(shù)據(jù)發(fā)布中隱私保護技術(shù)綜述[J]. 王翰琨. 信息與電腦(理論版). 2016(17)
[10]匿名最短路徑的top-k路徑貪心泛化算法[J]. 陳偉鶴,丁蕾蕾. 計算機工程. 2016(01)
碩士論文
[1]基于差分隱私的社交網(wǎng)絡(luò)隱私保護方法研究[D]. 王越.哈爾濱工業(yè)大學 2016
本文編號：3606567
【文章來源】：哈爾濱工程大學黑龍江省 211工程院校
【文章頁數(shù)】：60 頁
【學位級別】：碩士
【部分圖文】：
人人網(wǎng)某用戶的個人主頁信息
本章的第一種場景，在朋友關(guān)系的簡單社交網(wǎng)絡(luò)圖中頂點的度值即為其好友數(shù)量，攻擊者知道目標頂點的度值，如果該社交網(wǎng)絡(luò)中與目標頂點度值相同的頂點數(shù)較少，則攻擊者能夠以較高概率在圖數(shù)據(jù)中識別出目標頂點。如圖 2.1 所示，攻擊者可以輕易地從其社交網(wǎng)絡(luò)個人主頁獲得度值信息作為發(fā)起攻擊所需的背景知識。
在日常使用的社交網(wǎng)絡(luò)（例如，F(xiàn)acebook 和 LinkedIn）中包含了大量用戶的個人信息，例如姓名，性別，年齡，地址和職業(yè)等，這些屬性信息即為用戶的畫像文件，在社交網(wǎng)絡(luò)數(shù)據(jù)集中以標簽的形式表現(xiàn)。每個用戶可以自定義設(shè)置他想要隱藏的屬性，因此標簽可以是敏感的也可以是非敏感的。以圖 2.6 為例，設(shè)計一個基于朋友關(guān)系的綜合社交網(wǎng)絡(luò)。
【參考文獻】：
期刊論文
[1]DP2Gsister:差分隱私社交網(wǎng)絡(luò)圖發(fā)布模型[J]. 殷軼平,徐睿峰. 信息技術(shù)與網(wǎng)絡(luò)安全. 2018(06)
[2]基于節(jié)點特征的不確定圖社交網(wǎng)絡(luò)隱私保護方法[J]. 顏軍,胡靜,溫閣,田堉攀. 信息安全研究. 2018(06)
[3]基于擾動的社交網(wǎng)絡(luò)保護方法研究[J]. 范國婷,楊穎,孫剛,趙佳. 阜陽師范學院學報(自然科學版). 2017(04)
[4]基于差分隱私保護的社交網(wǎng)絡(luò)發(fā)布圖生成模型[J]. 王俊麗,柳先輝,管敏. 同濟大學學報(自然科學版). 2017(08)
[5]移動社交網(wǎng)絡(luò)隱私保護算法[J]. 代楚瓊. 產(chǎn)業(yè)與科技論壇. 2017(12)
[6]基于差分隱私的社交推薦方法[J]. 彭慧麗,張嘯劍,金凱忠. 計算機科學. 2017(S1)
[7]K-對稱-N算法的社交網(wǎng)絡(luò)的隱私保護[J]. 高潔,肖基毅,向霞. 網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2017(01)
[8]一種遺傳算法實現(xiàn)的圖聚類匿名隱私保護方法[J]. 姜火文,曾國蓀,胡克坤. 計算機研究與發(fā)展. 2016(10)
[9]數(shù)據(jù)發(fā)布中隱私保護技術(shù)綜述[J]. 王翰琨. 信息與電腦(理論版). 2016(17)
[10]匿名最短路徑的top-k路徑貪心泛化算法[J]. 陳偉鶴,丁蕾蕾. 計算機工程. 2016(01)
碩士論文
[1]基于差分隱私的社交網(wǎng)絡(luò)隱私保護方法研究[D]. 王越.哈爾濱工業(yè)大學 2016
本文編號：3606567
本文鏈接：http://www.sikaile.net/kejilunwen/ruanjiangongchenglunwen/3606567.html
最近更新
教材專著
