各種網(wǎng)絡(luò)應用的出現(xiàn)給人們的生活帶來了極大的便利,與此同時,用戶的隱私問題也受到了越來越多的關(guān)注。網(wǎng)絡(luò)數(shù)據(jù)通常采取圖來表示,如社交網(wǎng)絡(luò)圖、商業(yè)貿(mào)易網(wǎng)絡(luò)圖等。這些圖可能由節(jié)點、邊及邊上的權(quán)重組成,包含著大量的敏感信息,在對圖發(fā)布前采取適當?shù)碾[私保護手段是很有必要的。目前,在網(wǎng)絡(luò)圖數(shù)據(jù)的隱私保護工作中,要么只是節(jié)點、邊等結(jié)構(gòu)的隱私保護,要么只是邊權(quán)重的隱私保護,幾乎都是單方面保護圖數(shù)據(jù)的隱私。因此,本文采用差分隱私這一隱私保護模型對帶權(quán)網(wǎng)絡(luò)圖數(shù)據(jù)進行隱私保護,提出相對有效的算法,實現(xiàn)同時保護網(wǎng)絡(luò)圖數(shù)據(jù)中邊權(quán)重和結(jié)構(gòu)的隱私。本文首先提出了帶權(quán)圖的隱私保護算法（WGPA）。邊權(quán)重保護先于圖的結(jié)構(gòu)保護,二者是互相關(guān)聯(lián)與影響的關(guān)系。在對圖數(shù)據(jù)集中的邊權(quán)重擾動時,采用的是差分隱私的Laplace機制進行擾動,為每個圖中的邊權(quán)重序列分配隱私預算,設(shè)計合理的隱私預算分配策略�？紤]到圖結(jié)構(gòu)的復雜性,將圖轉(zhuǎn)化成編碼模式,并在對圖的編碼過程中將擾動后的權(quán)重值融入其中;再利用頻繁子圖挖掘算法,在挖掘的過程中采用差分隱私的Laplace機制和指數(shù)機制對圖的結(jié)構(gòu)進行擾動和篩選,最終得到最為理想的噪音版的帶權(quán)網(wǎng)絡(luò)圖數(shù)據(jù)... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖２．２所示，一般??對這種復雜網(wǎng)絡(luò)圖的處理可能要先米用社區(qū)發(fā)現(xiàn)（Ｃｏｍｍｕｎｉｔｙ?ｄｅｔｅｃｔｉｏｎ）來對圖進行劃??

?基于差分隱私的帶權(quán)網(wǎng)絡(luò)圖數(shù)據(jù)的隱私保護???分，將圖由一個復雜的結(jié)構(gòu)，轉(zhuǎn)化為一個個簡單的圖結(jié)構(gòu)，對應于每個社區(qū)中。社區(qū)與??社區(qū)之間的聯(lián)系通常要稀疏些，社區(qū)中的節(jié)點之間的聯(lián)系要緊密一些。社區(qū)發(fā)現(xiàn)的相關(guān)??研宄中已有很多的算法被提出，相當于是對復雜圖數(shù)據(jù)進行聚類操作。??圖２．?２復雜的網(wǎng)絡(luò)圖數(shù)據(jù)??Ｆｉｇ．?２．２?Ｃｏｍｐｌｅｘ?ｎｅｔｗｏｒｋ?ｇｒａｐｈ?ｄａｔａ??２．２數(shù)據(jù)的隱私性??在網(wǎng)絡(luò)圖數(shù)據(jù)中，圖的節(jié)點、圖的邊，以及圖的一些特性都是有可能造成用戶的隱??私泄露［４３－４６】，以下是對圖中涉及到的隱私問題進行介紹。??（１）圖節(jié)點的隱私性??圖的節(jié)點是某個個體或是組織的抽象，為了防止攻擊者根據(jù)一些背景知識，推測出??用戶是否存在于某些網(wǎng)絡(luò)中，保護者會在數(shù)據(jù)發(fā)布的時候采取一些保護手段，如將節(jié)點??匿名化，刪除節(jié)點的標識信息。這樣一來，在發(fā)布圖中的節(jié)點就可能是由與用戶信息無??關(guān)的字符等信息表示，常用英文字符兒Ｃ．．或是ｈ，Ｆ２，?Ｆ３．．．等代替用戶真實身份。??可是即使對節(jié)點匿名化，攻擊者依然有對節(jié)點再識別的可能性，攻擊者可以根據(jù)節(jié)點之??間關(guān)系等推測出節(jié)點的信息。因此，簡單的匿名化保護是難以保證用戶隱私不泄露，需??要在保護節(jié)點隱私時，也考慮節(jié)點之間的關(guān)系。??另外，這些節(jié)點的屬性中也可能包含著用戶的一些個人信息，如年齡、手機號碼、??職業(yè)等信息。而用戶是不希望他們的這些個人信息被發(fā)現(xiàn)的，通常稱這些信息為用戶的??敏感信息，這就需要對節(jié)點的屬性進行隱私保護。因此，在圖節(jié)點的隱私保護中，通常??可能涉及到節(jié)點的存在、節(jié)點再識別、節(jié)點的屬性等隱私泄露。??（２）邊的隱私性??－１０?－??

更加靈活，整體嚴謹完整。序列組合性的??作用是保證隱私預算可以在方法的不同步驟進行分配，并且可以使得整個算法的設(shè)計滿??足差分隱私。并行組合性的作用則是可以保證在對數(shù)據(jù)集劃分成多個不相交的子數(shù)據(jù)集，??各個子數(shù)據(jù)集上的算法依然可以在整體上滿足差分隱私。二者的定義分別如下：??定義２．５序列組合性：給定數(shù)據(jù)集以及在該數(shù)據(jù)集上設(shè)計的》個隱私算法??｛瓜．．．４，．．．冰丨，若每個算法４（１９３？）滿足＾－差分隱私，則整個算法滿足＆差分隱私，??其中，￡?＝??序列組合性對應的圖形表示如圖２．３所示。??—?Ｊ?ＭｉｉＡ，?｜—＿＿輸出?１?、??／?ｃ?Ａ＇?最終的輸出、??數(shù)?－ｐｊ?Ａ２????＞?輸出?〇２?＼?＼＼?結(jié)果??１?言、??Ｄ?＼＼＼?算法木—－￣￣＞?輸出?Ｒ?＾?差??＼ｖｊ????，／??—?算法４??＞輸出，??圖２．?３序列組合性??Ｆｉｇ．?２．３?Ｓｅｑｕｅｎｔｉａｌ?Ｃｏｍｐｏｓｉｔｉｏｎ??－１４?－??

【參考文獻】：
期刊論文
[1]本地化差分隱私研究綜述[J]. 葉青青,孟小峰,朱敏杰,霍崢.  軟件學報. 2018(07)
[2]Embedding differential privacy in decision tree algorithm with different depths[J]. Xuanyu BAI,Jianguo YAO,Mingxuan YUAN,Ke DENG,Xike XIE,Haibing GUAN.  Science China（Information Sciences）. 2017(08)
[3]基于差分隱私的權(quán)重社會網(wǎng)絡(luò)隱私保護[J]. 蘭麗輝,鞠時光.  通信學報. 2015(09)
[4]差分隱私保護及其應用[J]. 熊平,朱天清,王曉峰.  計算機學報. 2014(01)



本文編號：3008416