為解決大型社交網(wǎng)絡(luò)隱私保護(hù)中的復(fù)雜度過高及可用性差的問題,提出一種基于隨機(jī)投影及差分隱私的社交網(wǎng)絡(luò)隱私保護(hù)算法。利用隨機(jī)投影對(duì)社交網(wǎng)絡(luò)圖的鄰接矩陣進(jìn)行指定投影數(shù)量的降維,進(jìn)一步在降維后的矩陣中加入少量高斯噪聲生成待發(fā)布矩陣。該算法滿足(ε,δ)-差分隱私定義且能保持用戶間歐氏距離的可計(jì)算性不變。實(shí)驗(yàn)和對(duì)比分析結(jié)果表明,該算法較傳統(tǒng)差分隱私能大幅提升數(shù)據(jù)可用性且計(jì)算復(fù)雜性較小,適用于大規(guī)模社交網(wǎng)絡(luò)隱私保護(hù)。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1社交網(wǎng)絡(luò)圖G

社交網(wǎng)絡(luò)圖表示用戶個(gè)體以及用戶個(gè)體之間的關(guān)系，設(shè)G=(V，{E}）是一個(gè)表示社交網(wǎng)絡(luò)連通性的二元圖，V在圖中的數(shù)據(jù)元素稱為頂點(diǎn)V={v1,v2，…，vn}，代表社交網(wǎng)絡(luò)圖中用戶節(jié)點(diǎn)集合，{E}是用戶節(jié)點(diǎn)之間邊的集合，社交網(wǎng)絡(luò)中用戶節(jié)點(diǎn)數(shù)目為n=|V|。圖1是簡單的社交網(wǎng)絡(luò)圖。社交....

圖2用戶間歐式距離變化對(duì)比

為了驗(yàn)證RP-DP算法在不同隱私保護(hù)水平下，對(duì)社交網(wǎng)絡(luò)用戶間歐式距離的影響，實(shí)驗(yàn)1從BitcoinOTC數(shù)據(jù)集中隨機(jī)采樣選取100個(gè)用戶，并計(jì)算用戶間原始?xì)W式距離、經(jīng)RP-DP算法在不同隱私保護(hù)水平下擾動(dòng)后的歐式距離。該實(shí)驗(yàn)中，將BitcoinOTC數(shù)據(jù)集降維至500維（m=....

圖3不同隱私保護(hù)算法發(fā)布數(shù)據(jù)集相對(duì)原始數(shù)據(jù)集譜聚類的NMI對(duì)比（m=500)

實(shí)驗(yàn)2對(duì)BitcoinOTC數(shù)據(jù)集分別通過差分隱私算法[15]和RP-DP算法（m=500）保護(hù)后的發(fā)布數(shù)據(jù)集進(jìn)行譜聚類（聚8類）對(duì)比，實(shí)驗(yàn)以BitcoinOTC數(shù)據(jù)集不做變化直接聚類的結(jié)果作為標(biāo)準(zhǔn)劃分，與兩種發(fā)布數(shù)據(jù)集的聚類結(jié)果對(duì)比，計(jì)算標(biāo)準(zhǔn)化互信息（normalized....

圖4RP-DP算法不同投影數(shù)量的發(fā)布數(shù)據(jù)集相對(duì)原始數(shù)據(jù)集譜聚類的NMI對(duì)比

為了評(píng)估RP-DP算法中投影數(shù)量對(duì)數(shù)據(jù)可用性影響，實(shí)驗(yàn)3將BitcoinOTC數(shù)據(jù)集通過RP-DP算法降至不同維度，并調(diào)整差分隱私預(yù)算大小進(jìn)行對(duì)比，結(jié)果如圖4所示。圖4是利用RP-DP算法對(duì)BitcoinOTC數(shù)據(jù)集降至100-1000維度并添加不同差分隱私保護(hù)水平ε=0.6....

本文編號(hào)：3978207