隐私信息泄露属性深度跟踪方法仿真

由于网络规模普遍较大、用户数量较多,第三方域名采集用户信息时易造成隐私泄露问题,严重影响网络用户体验和满意度。提出一种基于动态密钥的深度跟踪方法。根据网络中社交群体内部关联性强、外部关联性弱的结构特性及公开用户隐私泄露风险大、非公开用户隐私泄露风险小特点,计算社区内部节点和外部节点间隐私关联,推测得到与隐私风险关联性较强的用户特征值。建立由密钥算子组成的信息泄漏跟踪模型,计算非公开用户的密钥参数,将其作为模型算子,提出隐私对照表,统计历史泄漏数据的属性值,与对照表数据对比输出判定结果,求解查找结果一致用户的位置信息,并实行组合排列,完成隐私泄露的深度跟踪。仿真结果表明,所提方法跟踪精准度高,在存在干扰和不存在干扰环境下均能达到预期效果,且该方法的运算量小,实用性更强。