基于分层随机图的社交网络本地化差分隐私保护技术研究

发布时间：2024-06-02 15:14

　　随着社交网络服务的普及,各类社交媒体可以从用户端获取大量个人数据和相关信息以进行数据挖掘和分析,但同时也带来隐私泄露风险,因此个人隐私保护问题变得越来越重要。当前,差分隐私作为一种经过严格理论验证和数学证明的隐私保护模型,在许多领域都引起了人们的关注和研究。但是,针对社交网络中关系数据的隐私保护仍处于初级阶段,且现有的差分隐私发布技术主要集中在中心化模型上,即数据收集者默认可信,然而这样的假设已不符合现实情况。为了解决上述问题,本文提出以下两部分研究内容:(1)本文提出使用满足本地化差分隐私的分层随机图模型进行隐私保护。首先,为了达到保护隐私同时不失去效用性的目的,本文通过将原始网络转换为分层随机图模型来保留统计特征,将原有评价指标结合指数机制形成新的模型选择方案,择优选择最终的模型结构;然后,将获得的模型与添加拉普拉斯噪声的连接概率结合,以获得一个噪声网络以供发布,模型的迭代选择过程中借鉴蒙特卡洛马尔可夫链方法提高了效率和准确性;此外,还提出应用预测模型来补充丢失连接。本文对所提出算法进行了理论证明和实验验证。(2)本文提出了一种基于Louvain算法的本地化差分隐私社团检测算法。在...

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图3.6度分布结果对比

算法作为对照实验。其中对照算法是由文献[49]提出的具有相同隐私标准的中心化差分隐私算法标记为“DP”；无隐私保护的分层随机图模型方案的结果标记为“HRG”；而本章提出的方案标记为“LDP”。3.3.2结果分析社交网络数据发布的目的是为研究人员提供有效数据进行深入挖掘和分析，以获....

图3.7聚类系数累积分布结果对比

?邮件，因此存在较多度为1的节点，也因此对噪声边的存在更为敏感。本章的方案降低了对此类节点的噪声扰动，因此保留了相似的分布特征；而中心化隐私保护方案无差别地噪声扰动，使得节点度呈现类似正态分布的情况，与真实数据分布不符。无隐私HRG模型方案的设置可以看出，HRG模型本身对原始数据....

图3.8最短路径结果对比

方案通过减小数据大小来降低敏感度，从而在相同的隐私保护级别上降低了噪声干扰。在图3.7（b）的Enron数据集中，有类似的情况。Enron数据集中的关系数据表示Enron邮件的通信关系，其中以双方通信居多，使得节点的平均聚类系数相对较低，噪声干扰导致的误差较大。综上所述，本章的方....

图4.5不同隐私预算下社团模块度的结果对比

内蒙古大学硕士学位论文35出的方案的结果标记为“LLDP”。4.4.2社团检测结果分析本章选择的真实社交网络数据集并没有标准的社团检测结果，因此选择原始Louvain算法的输出结果作为标准对照，在文献[65]中对Louvain算法效果进行了评估，并且Louvain算法被证明能够提....

本文编号：3987420