隨著信息技術的發(fā)展,社交網絡用戶數量越來越多。用戶可以很方便地在社交網絡上交流,互動,分享信息。與此同時,社交網絡用戶的信息被各大社交網絡平臺記錄和收集。為了更好地給人們提供個性化和有針對性的服務,社交網絡數據通常被發(fā)布給第三方,進行數據挖掘與分析。然而發(fā)布的數據中包含了用戶的隱私信息。惡意的攻擊者,可以通過已掌握的背景知識,對發(fā)布的社交網絡數據進行重識別和解匿名,從而造成用戶的隱私泄露。因此社交網絡數據在發(fā)布之前,需要做匿名處理,使得發(fā)布的數據,滿足隱私保護強度的需求得同時,保持數據的可用性,用于數據分析。因此本文研究了基于k-匿名的社交網絡數據發(fā)布的隱私保護技術。本文主要工作包括:(1)介紹了社交網絡數據發(fā)布的研究背景及意義,分析了目前社交網絡數據發(fā)布隱私泄露的情況以及社交網絡隱私保護技術的發(fā)展情況,并綜述了國內外針對社交網絡數據發(fā)布隱私保護技術的研究現狀。對社交網絡相關的理論和隱私保護技術進行了歸納總結,并探討了社交網絡常用的隱私保護方法與技術。(2)針對隨機化技術對社交網絡圖的修改較多,容易造成匿名后的數據效用急劇降低的問題,將社區(qū)劃分引入到隨機化技術中,提出一種改進的k度匿名...

【文章頁數】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 論文研究內容
    1.4 論文組織結構
第二章 相關理論與技術介紹
    2.1 社交網絡基本概念
        2.1.1 社交網絡模型
        2.1.2 隱私泄露風險
    2.2 隱私攻擊類型
        2.2.1 主動攻擊
        2.2.2 被動攻擊
        2.2.3 背景知識攻擊
        2.2.4 再識別攻擊
        2.2.5 推理攻擊
    2.3 社交網絡隱私保護技術
        2.3.1 簡單匿名
        2.3.2 泛化匿名
        2.3.3 聚類匿名
        2.3.4 數據擾亂匿名
    2.4 社交網絡隱私保護模型
        2.4.1 k-匿名隱私保護模型
        2.4.2 l-多樣性隱私保護模型
        2.4.3 個性化隱私保護模型
        2.4.4 差分隱私保護模型
    2.5 本章小結
第三章 基于社區(qū)劃分的社交網絡k度匿名隱私保護方法
    3.1 方法的提出
    3.2 方法的描述
        3.2.1 社區(qū)劃分
        3.2.2 社區(qū)子圖的隨機擾亂
        3.2.3 屬性信息隱匿
    3.3 實驗結果與分析
        3.3.1 實驗數據集與環(huán)境
        3.3.2 實驗結果分析
    3.4 本章小結
第四章 基于節(jié)點劃分的社交網絡屬性隱私保護方法
    4.1 方法的提出
    4.2 方法的描述
        4.2.1 節(jié)點劃分
        4.2.2 屬性信息隱匿
        4.2.3 算法的實現過程
    4.3 實驗結果與分析
        4.3.1 實驗數據集與環(huán)境
        4.3.2 實驗結果分析
    4.4 本章小結
總結與展望
參考文獻
攻讀學位期間所獲得的科研成果
致謝



本文編號：3863495