基于局部扰乱的社会网络隐私保护

本文针对攻击者通过背景知识极有可能推断出社会网络中包含的敏感信息这一问题,提出一种基于局部扰乱的社会网络隐私保护方法。具体地,该算法首先利用k-分组算法,对非敏感边进行分组,然后利用随机化方法进行随机添加删除边,最后使得每条边都有相应的概率存在于社会网络中,同时使攻击者唯一识别带敏感标签个体的概率不高于1/k。本文将现有隐私保护技术与不确定图思想结合起来,设计了一种新的隐私保护技术。实验结果表明,该算法较于其它对比算法,能更有效地保护隐私,同时也能减少社会网络的信息损失。