隨著社交媒體的興起,越來越多的用戶選擇將個(gè)性化的信息分享到社交網(wǎng)絡(luò)服務(wù),用戶的個(gè)人信息也逐漸暴露在社交網(wǎng)絡(luò)中,信息的公開化引起了人們對隱私保護(hù)的關(guān)注。因此,在數(shù)據(jù)發(fā)布之前需要對其進(jìn)行處理,以達(dá)到對其進(jìn)行隱私保護(hù)的目的。社交網(wǎng)絡(luò)中的關(guān)系有很多是敏感信息,在發(fā)布社交網(wǎng)絡(luò)時(shí),應(yīng)對用戶之間的關(guān)系予以保護(hù)。如何有效保護(hù)社交網(wǎng)絡(luò)中用戶之間的連接隱私成為當(dāng)前的研究熱點(diǎn)。本文基于隨機(jī)游走對社交網(wǎng)絡(luò)的連接隱私進(jìn)行保護(hù),主要研究工作如下:1)本文研究了社交網(wǎng)絡(luò)中用戶與用戶之間的連接隱私保護(hù),將隨機(jī)游走算法應(yīng)用于加權(quán)社交網(wǎng)絡(luò)中,提出了加權(quán)圖上的隨機(jī)游走連接隱私保護(hù)方案(WRW)。通過隨機(jī)游走,隨機(jī)選擇假連接的目的節(jié)點(diǎn),用假連接代替真連接,并為假連接提供了虛假的權(quán)重,在對用戶與用戶之間的關(guān)系進(jìn)行了保護(hù)的同時(shí),也能保持權(quán)重的分布變化不大。最后通過仿真實(shí)驗(yàn),模擬鏈路預(yù)測攻擊,對擾亂后的社交網(wǎng)絡(luò)進(jìn)行重構(gòu),結(jié)果證明該方案能夠保護(hù)社交網(wǎng)絡(luò)的連接隱私。從平均最短路徑長度、度數(shù)分布、權(quán)重分布、邊改變率等指標(biāo)分析了擾亂后的社交網(wǎng)絡(luò)圖結(jié)構(gòu),證明了該方案在保護(hù)連接隱私的同時(shí),保留了網(wǎng)絡(luò)的結(jié)構(gòu)特性,保持了網(wǎng)絡(luò)可用性。2)在上述WR...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２無向無權(quán)圖上的隨機(jī)游走過程，邊上的數(shù)字為轉(zhuǎn)移概率??

?其他??對于無向無權(quán)圖，隨機(jī)漫步的每一跳都能移動到任意一個(gè)相鄰的節(jié)點(diǎn)，??且移動到每一個(gè)鄰居的概率都相同（與之前隨機(jī)漫步的路徑無關(guān)）。如圖２－２??所示。當(dāng)位于出發(fā)點(diǎn)ａ時(shí)，到鄰居ｈ?ｃ的轉(zhuǎn)移概率均為１／２，隨機(jī)選擇鄰居節(jié)??點(diǎn)ｃ，移動到頂點(diǎn)，如圖２－２?（６），此時(shí)，ｃ到鄰居ａ....

圖２－３無向加權(quán)圖上的隨機(jī)游走過程，邊上的數(shù)字為轉(zhuǎn)移概率??

?（辦）隨機(jī)到達(dá)第二個(gè)頂點(diǎn)Ｃ??圖２－３無向加權(quán)圖上的隨機(jī)游走過程，邊上的數(shù)字為轉(zhuǎn)移概率??無向加權(quán)圖上的隨機(jī)游走過程圖２－３所示。邊（《，幻的權(quán)重為１，?（？，ｃ；）權(quán)重??為２，（Ｚ＞，ｃ）權(quán)重為３，權(quán)重為２。當(dāng)位于出發(fā)點(diǎn)＜７時(shí)，到鄰居Ｚ）的轉(zhuǎn)移概率??均為１／３，到鄰居ｃ的....

圖32擾動參數(shù)t時(shí)平均路徑長度的影響

大學(xué)工學(xué)碩士學(xué)位論文改變率由于算法并沒有改變節(jié)點(diǎn)，我們通過考慮邊改變率來衡量本文法。邊的改變率、邊增加率、邊刪除率可以直觀的表示擾動后的社交網(wǎng)化情況。邊改變率計(jì)算過程如式３－３：??邊改變率＝擾亂圖與原始圖不同的邊數(shù)／原始圖總邊數(shù)?（３－３３－３描述了在不同的隨機(jī)游走步長／下，擾....

圖３－４度數(shù)分布對比圖??

?（３－４）??其中表示頂點(diǎn)Ｖ在圖Ｇ的度數(shù)，６／ｅｇ（ｖ）’表示頂點(diǎn)ｖ在ＣＴ的度數(shù)。??圖３－４描述了原始圖的節(jié)點(diǎn)度數(shù)分布，以及擾動圖的節(jié)點(diǎn)度數(shù)分布。我們可??以看到，對于不同的參數(shù)／，度數(shù)分布幾乎是相同的，驗(yàn)證／Ｍｉｔｔａｌ等人的理論結(jié)??果，ＷＲＷ算法和ＲＷ算法都基本沒有改變....

本文編號：3991839