满足节点差分隐私的图数据发布与分析

发布时间：2021-01-12 01:31

　　图数据作为社交网络数据的重要存储模式,在网络分析、数据挖掘等方面发挥着重要作用。图中的三角形是研究社交网络模型的重要角色,通过三角形,分析者可以识别出社交网络中有着重要地位的角色,可以发现小团体网络结构,可以区分出垃圾邮件的主人。因此,直接发布图中的三角形信息会带来用户隐私的泄露问题。针对图上三角计算这一重要参数的隐私泄露问题,节点差分隐私保护技术基于其严格的数据理论证明,可以有效地保护图上任一节点的隐私信息不被披露,在保证隐私性的同时保留了数据的可用性,完善了发布数据的安全性。直接发布满足节点差分隐私的三角计算相关数据信息,会带来极大的噪声量,在大规模的图数据上这种噪声量会使得加噪后的数据可用性变得极差,而适当的删除不必要的连边,将节点三角个数控制在设定的阈值参数内则可有效地控制噪声量的大小,大大降低满足差分隐私所需要添加的噪声量,从而在发布数据的隐私性和可用性之间取得最优的平衡。基于该删边预处理模式下,对节点三角计算的累积发布比非累积发布效果更好。同时,针对节点本地聚类系数,在三角计算的发布基础上,通过将聚类系数先分组再查询的方法,差分隐私保护技术也可以实现很好的发布效果。实验表明... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容与目标
    1.4 论文组织结构
2 问题分析与定义
    2.1 问题概述
    2.2 差分隐私
    2.3 节点差分隐私与边差分隐私
    2.4 三角计算满足节点差分隐私的定义
    2.5 本章小结
3 满足节点差分隐私的三角计算发布方法
    3.1 图三角计算的全局敏感度
    3.2 几种图预处理方法
    3.3 改进图预处理方法
    3.4 两种发布方法
    3.5 本章小结
4 满足节点差分隐私的节点本地聚类系数发布方法
    4.1 节点本地聚类系数
    4.2 节点本地聚类系数的直接发布
    4.3 节点本地聚类系数的分组再发布
    4.4 本章小结
5 实验分析与讨论
    5.1 实验设计
    5.2 节点三角计算直方图发布实验
    5.3 节点本地聚类系数直方图发布实验
    5.4 λ的选择策略实验
    5.5 L1距离和KS距离检测
    5.6 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文
附录2 攻读硕士学位期间申请的国家发明专利
附录3 攻读硕士学位期间参与的科研项目



本文编号：2971867