各種網(wǎng)絡(luò)應(yīng)用的出現(xiàn)給人們的生活帶來(lái)了極大的便利,與此同時(shí),用戶(hù)的隱私問(wèn)題也受到了越來(lái)越多的關(guān)注。網(wǎng)絡(luò)數(shù)據(jù)通常采取圖來(lái)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(diǎn)、邊及邊上的權(quán)重組成,包含著大量的敏感信息,在對(duì)圖發(fā)布前采取適當(dāng)?shù)碾[私保護(hù)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(hù)工作中,要么只是節(jié)點(diǎn)、邊等結(jié)構(gòu)的隱私保護(hù),要么只是邊權(quán)重的隱私保護(hù),幾乎都是單方面保護(hù)圖數(shù)據(jù)的隱私。因此,本文采用差分隱私這一隱私保護(hù)模型對(duì)帶權(quán)網(wǎng)絡(luò)圖數(shù)據(jù)進(jìn)行隱私保護(hù),提出相對(duì)有效的算法,實(shí)現(xiàn)同時(shí)保護(hù)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(hù)算法（WGPA）。邊權(quán)重保護(hù)先于圖的結(jié)構(gòu)保護(hù),二者是互相關(guān)聯(lián)與影響的關(guān)系。在對(duì)圖數(shù)據(jù)集中的邊權(quán)重?cái)_動(dòng)時(shí),采用的是差分隱私的Laplace機(jī)制進(jìn)行擾動(dòng),為每個(gè)圖中的邊權(quán)重序列分配隱私預(yù)算,設(shè)計(jì)合理的隱私預(yù)算分配策略�？紤]到圖結(jié)構(gòu)的復(fù)雜性,將圖轉(zhuǎn)化成編碼模式,并在對(duì)圖的編碼過(guò)程中將擾動(dòng)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(guò)程中采用差分隱私的Laplace機(jī)制和指數(shù)機(jī)制對(duì)圖的結(jié)構(gòu)進(jìn)行擾動(dòng)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(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２所示，一般??對(duì)這種復(fù)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(lái)對(duì)圖進(jìn)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(hù)???分，將圖由一個(gè)復(fù)雜的結(jié)構(gòu)，轉(zhuǎn)化為一個(gè)個(gè)簡(jiǎn)單的圖結(jié)構(gòu)，對(duì)應(yīng)于每個(gè)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(diǎn)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(dāng)于是對(duì)復(fù)雜圖數(shù)據(jù)進(jìn)行聚類(lèi)操作。??圖２．?２復(fù)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(diǎn)、圖的邊，以及圖的一些特性都是有可能造成用戶(hù)的隱??私泄露［４３－４６】，以下是對(duì)圖中涉及到的隱私問(wèn)題進(jìn)行介紹。??（１）圖節(jié)點(diǎn)的隱私性??圖的節(jié)點(diǎn)是某個(gè)個(gè)體或是組織的抽象，為了防止攻擊者根據(jù)一些背景知識(shí)，推測(cè)出??用戶(hù)是否存在于某些網(wǎng)絡(luò)中，保護(hù)者會(huì)在數(shù)據(jù)發(fā)布的時(shí)候采取一些保護(hù)手段，如將節(jié)點(diǎn)??匿名化，刪除節(jié)點(diǎn)的標(biāo)識(shí)信息。這樣一來(lái)，在發(fā)布圖中的節(jié)點(diǎn)就可能是由與用戶(hù)信息無(wú)??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(hù)真實(shí)身份。??可是即使對(duì)節(jié)點(diǎn)匿名化，攻擊者依然有對(duì)節(jié)點(diǎn)再識(shí)別的可能性，攻擊者可以根據(jù)節(jié)點(diǎn)之??間關(guān)系等推測(cè)出節(jié)點(diǎn)的信息。因此，簡(jiǎn)單的匿名化保護(hù)是難以保證用戶(hù)隱私不泄露，需??要在保護(hù)節(jié)點(diǎn)隱私時(shí)，也考慮節(jié)點(diǎn)之間的關(guān)系。??另外，這些節(jié)點(diǎn)的屬性中也可能包含著用戶(hù)的一些個(gè)人信息，如年齡、手機(jī)號(hào)碼、??職業(yè)等信息。而用戶(hù)是不希望他們的這些個(gè)人信息被發(fā)現(xiàn)的，通常稱(chēng)這些信息為用戶(hù)的??敏感信息，這就需要對(duì)節(jié)點(diǎn)的屬性進(jìn)行隱私保護(hù)。因此，在圖節(jié)點(diǎn)的隱私保護(hù)中，通常??可能涉及到節(jié)點(diǎn)的存在、節(jié)點(diǎn)再識(shí)別、節(jié)點(diǎn)的屬性等隱私泄露。??（２）邊的隱私性??－１０?－??

更加靈活，整體嚴(yán)謹(jǐn)完整。序列組合性的??作用是保證隱私預(yù)算可以在方法的不同步驟進(jìn)行分配，并且可以使得整個(gè)算法的設(shè)計(jì)滿(mǎn)??足差分隱私。并行組合性的作用則是可以保證在對(duì)數(shù)據(jù)集劃分成多個(gè)不相交的子數(shù)據(jù)集，??各個(gè)子數(shù)據(jù)集上的算法依然可以在整體上滿(mǎn)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(jì)的》個(gè)隱私算法??｛瓜．．．４，．．．冰丨，若每個(gè)算法４（１９３？）滿(mǎn)足＾－差分隱私，則整個(gè)算法滿(mǎn)足＆差分隱私，??其中，￡?＝??序列組合性對(duì)應(yīng)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(xiàn)】：
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(xué)報(bào). 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(huì)網(wǎng)絡(luò)隱私保護(hù)[J]. 蘭麗輝,鞠時(shí)光.  通信學(xué)報(bào). 2015(09)
[4]差分隱私保護(hù)及其應(yīng)用[J]. 熊平,朱天清,王曉峰.  計(jì)算機(jī)學(xué)報(bào). 2014(01)



本文編號(hào)：3008416