基于差分隱私的社交網(wǎng)絡隱私保護方法研究.pdf

1、近年來，隨著互聯(lián)網(wǎng)和各種信息交互平臺的大力發(fā)展，現(xiàn)實世界中的個體在不同的網(wǎng)絡虛擬空間中形成了多種多樣的社會網(wǎng)絡。其中，各種交流論壇收集了豐富的用戶個人信息，用戶之間的關系數(shù)據(jù)也可以從微博、朋友圈等社交平臺中獲取。社交網(wǎng)絡在為人們生活提供便利的同時，也給我們帶來了諸多安全隱患，隱私數(shù)據(jù)的泄露更是給人們的生活制造了很多意想不到的困擾。一方面，我們希望享用社交網(wǎng)絡的便捷，另一方面，我們又不希望個人數(shù)據(jù)的完全透明。因此，基于差分隱私的社交網(wǎng)絡隱

2、私保護方法研究具有巨大的社會意義和商業(yè)價值。
　　本課題主要的研究內容是針對傳統(tǒng)的差分隱私保護方法只能適用于非交互式的社交網(wǎng)絡，而在交互式的社交網(wǎng)絡上無法起到很好的保護作用的問題所提出的。本文的主要工作包括：第一、針對傳統(tǒng)差分隱私保護的缺陷，課題首先設計了基于交互式社交網(wǎng)絡的差分隱私保護機制。在這個機制下，我們證明了它符合差分隱私的保護條件，而且同差分隱私一樣以最大的可能性防止隱私信息泄露。第二、考慮到社交網(wǎng)絡性質的多樣性以及隱私

3、攻擊的復雜性，課題提出了三個實用指標（查詢函數(shù)）作為保護社交網(wǎng)絡隱私的首要目標。事實上，度分布、割集和最短路徑作為網(wǎng)絡中最基本的性質也是攻擊者最想要獲得的信息。第三、針對社交網(wǎng)絡中信息之間的相關性問題，課題研究了基于交互因子的拉普拉斯噪聲添加方法。首先針對不同的節(jié)點計算其相應的交互因子（參數(shù)t），然后利用t去獲取符合拉普拉斯分布的噪聲，從而消除節(jié)點之間的相互影響。通過交互因子的引入，不僅限制了節(jié)點本身對全局數(shù)據(jù)的影響，更將節(jié)點與其他節(jié)點