基于匿名化的地理社交网络隐私保护方法研究

发布时间：2021-10-30 09:32

　　随着互联网和大数据技术的发展,在人工智能和智慧城市的背景下,越来越多的位置信息和社交信息通过地理社交网络被研究机构和企业收集、存储和分析。为更好地利用数据的潜在价值,数据持有者会通过数据共享的方式,将收集的数据公开发布,供研究人员进行挖掘分析等工作。然而地理社交网络数据记录包含个人高度的敏感信息。因此,隐私问题成为制约地理社交网络数据发布的一个瓶颈。目前,隐私数据发布研究中常用的方法是匿名化技术,即将数据中个体的准标识符进行隐藏来尽可能的避免攻击者获得个体的敏感信息。在地理位置和社交网络的隐私保护领域,许多研究工作都对匿名化方法进行了迁移扩展。然而,地理社交网络数据是具有复杂数据联系的异构数据,其数据复杂性使以往的匿名化方法不能有效地保障用户的隐私,导致隐私安全受到严重威胁。所以针对地理社交网络数据的匿名化框架需要对位置和社交信息同时进行匿名化处理来保护个体敏感信息。本研究工作的主要贡献如下:第一,现有地理位置匿名化方法仅考虑位置点,不考虑位置之间的模式关系,存在丢失位置模式问题。针对这一问题,我们在topmlocations模型基础上形式化定义了频繁位置关系图模型,提出了一种基于关系... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图２－３位置属性??

３．３．１地理位置匿名化框架??为了更好的实现地理位置数据的匿名化，本研宄工作中首先提出了一种完整??的地理位置匿名化框架，框架流程图如图３－２所示。与其他匿名化数据发布流程类??似，该匿名化方法是将一个包含用户地理位置集合Ｚ）作为输入，然后将至少灸个??用户映射到一组相同的频繁位置集和位置关系图上，继而输出对应的匿名化地理??位置集合厂。但是，与现有的地理位置匿名化方法不同的是，该框架考虑地理位置??共现模式，额外抽取了用户的位置关系图，建立了用户和位置之间的映射关系。??２４??

图３－４?攻击的成功率??Ｆｉｇｕｒｅ?３－４?Ｓｕｃｃｅｓｓ?ｒａｔｅ?ｏｆ?Ａｐ?ａｔｔａｃｋ??从图３－３中可以看出，对于４攻击，至少４０％的用户存在着隐私泄露的风险，??超过８０％的用户在攻击背景为三个频繁位置时可以被唯一识别。因此，随着攻击??者掌握的频繁位置集的个数增多，用户的重新识别的概率就越大。在图３－４中，我??们可以得出，由于位置之间的共现关系模式的存在，使得用户的泄露风险变大，攻??击成功率增加。??（２）数据可用性分析??４００?－ｊ??３０００????ａｉｒ?喜■－＿ＮＡ?■?ｉ！?ｌｉｊｌｂｌ?ｊ?＞Ｂｒ－？ｈｔｋｉｔｅ，ＫＮＮＡ??１１?ｉ?＊Ｂｇ？ｅＯＫＡＡ?｜?〇｜｜｜Ｊ??１１?址?一?＿?ｊ?ｊｕｕ?ｉ?ｉ＿?？—??２?３?５?８?１０?１５?２０?１０?２０?３０?４０?５０?６０?７０??ｋ?ｋ??ａ）?１００个用户的实验结果?ｂ）?５００个用户的实验结果??ａ）?Ｒｅｓｕｌｔ?ｏｆ?１００?ｕｓｅｒｓ

【参考文献】：
期刊论文
[1]位置服务隐私保护研究综述[J]. 张学军,桂小林,伍忠东.  软件学报. 2015(09)
[2]轨迹隐私保护技术研究[J]. 霍峥,孟小峰.  计算机学报. 2011(10)



本文编号：3466492