大规模社会网络K-出入度匿名方法

现有社会网络隐私保护技术在处理大规模社会网络有向图时数据处理效率较低,且匿名数据发布通常不能满足社区结构分析的需求。为此,提出一种基于层次社区结构的大规模社会网络K-出入度匿名(KIODA)算法。该算法基于层次社区结构划分社区,采用贪心算法分组并匿名K-出入度序列,分布式并行添加虚拟节点以实现K-出入度匿名,基于GraphX图数据处理平台传递节点间的信息,根据层次社区熵的变化情况选择虚拟节点对并进行合并删除,从而减少信息损失。实验结果表明,KIODA算法在处理大规模社会网络有向图数据时具有较高的执行效率,并在匿名后保证了数据发布时社区结构分析结果的可用性。