面向社交网络的差分隐私保护发布算法研究

发布时间:2024-02-29 00:49
  随着大数据时代的到来,社交网络上每天都会产生海量的信息,通过对这些数据进行挖掘和分析,可以很好的提升用户体验和服务质量。然而,这些数据中往往包含着大量的个人隐私信息,如个人基本情况、社会关系等。所以,为了防止用户的隐私信息遭到泄露,需要对这些数据进行一定的隐私保护后才能发布给第三方机构进行研究。由于差分隐私具有严格的数学理论基础,并且不依赖于攻击者的任何背景知识,故其近年来得到了广泛地研究和应用。社交网络中的差分隐私保护模型有节点差分隐私保护和边差分隐私保护两种,而前者较后者可提供更高的隐私保护强度,因此本课题借助节点差分隐私保护模型,实现对社交网络数据的隐私保护发布。由于应用节点差分隐私保护往往会带来较高的全局敏感度,因此本文提出一种SNE(Sequence ofNodes and Edges)社交网络图处理算法。该算法主要通过构建一种节点和边相结合的排序规则,实现了对图中节点和边的稳定排序,提升了算法的稳定性。同时,根据节点度的阈值,将有序的边依次插入到“初始化”后的社交网络图中,最终完成对社交网络图的处理。SNE算法通过对节点的度设定阈值,使得处理后的图以可控的较低全局敏感度来满...

【文章页数】:68 页

【学位级别】:硕士

【部分图文】:

图2.1差分隐私的统计学模型??Fig.?2.1?Statistical?Model?of?Differential?Privacy??

图2.1差分隐私的统计学模型??Fig.?2.1?Statistical?Model?of?Differential?Privacy??

?大连海事大学专业学位硕士学位论文???1^(0,)?=?5]—?:?比率?UXP⑷??Pr\A(D2)?=?S\??/-fA??I??图2.1差分隐私的统计学模型??Fig.?2.1?Statistical?Model?of?Differential?Privacy??定义2.....


图2.?2?Laplace分布概率密度函数??Fig.?2.2?Probability?Density?Function?of?Laplace?Distribution??

图2.?2?Laplace分布概率密度函数??Fig.?2.2?Probability?Density?Function?of?Laplace?Distribution??

?面向社交网络的差分隐私保护发布算法研宄???其中,A表示位置参数,6表示尺度参数,其值大于零。??=?〇,?^?=?1????0.5?.?,?H?=?0,办=2?■??H?=?0,办=4????\i?=?-5,b?=?4????0.4?-?-??■??0.2?-?/?\?'??....


图2.?3差分隐私的组合性质??

图2.?3差分隐私的组合性质??

?面向社交网络的差分隐私保护发布算法研宄???乂?'?查询?1?、 ̄ ̄ ̄一"佥询1??_^植卿?L?Dl?J ̄ ̄^响应脚??D??<?査询2?S======:=i^?查询2????响应2(£:2)?D2???响应2(句??^?〉??^?^????(a)乙&_差分隐私?(b)?ma....


图3.?2癌症患者年龄分布直方图??Fig.?3.2?Age?Distribution?Histogram?of?Cancer?Patients??

图3.?2癌症患者年龄分布直方图??Fig.?3.2?Age?Distribution?Histogram?of?Cancer?Patients??

确描绘,直方图将数据域划分成若干个不相??交的区间,这些区间通常是等宽的,但由于数据集中不同数据特定属性值的不同,导致??数据落在不同区间,因此,每个区间的频度或计数就可以用来表示此数据集中特定属性??值的分布情况。此外,通过直方图发布的数据常被用来支持范围计数查询、聚集查询、?....



本文编号:3914232

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3914232.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户541bd***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com