社會網(wǎng)絡(luò)的隱私保護(hù)發(fā)布算法與推薦方法研究.pdf

1、隨著信息技術(shù)的發(fā)展,人們間的交流日益電子化。與此同時,各類Web2.0網(wǎng)站廣受歡迎,在線交流的途徑進(jìn)一步擴(kuò)大,個體創(chuàng)造的內(nèi)容也愈加豐富。這導(dǎo)致現(xiàn)實(shí)生活中每天都產(chǎn)生和存儲大量的社會網(wǎng)絡(luò)數(shù)據(jù)。信息豐富的社會網(wǎng)絡(luò)數(shù)據(jù)吸引了研究者的眼光,同時也引起了攻擊者的注意。如何發(fā)布社會網(wǎng)絡(luò)數(shù)據(jù)使其具有良好的可用性又能避免隱私泄露,如何通過推薦進(jìn)一步提高用戶的參與熱情從而產(chǎn)生更多有價值的數(shù)據(jù),成為極具理論與實(shí)踐意義的問題。
　　結(jié)點(diǎn)帶屬性的社會網(wǎng)絡(luò)數(shù)

2、據(jù)的發(fā)布,可能被攻擊者通過結(jié)構(gòu)背景知識或?qū)傩员尘爸R識別用戶,也可能無法識別用戶但獲取了用戶的敏感屬性。為了保護(hù)用戶的隱私,可以將原始圖進(jìn)行點(diǎn)和邊的聚類,使得每個簇具有多個結(jié)點(diǎn),并將結(jié)點(diǎn)的屬性泛化,從而避免攻擊者通過結(jié)構(gòu)背景知識或?qū)傩员尘爸R進(jìn)行攻擊。同時,在聚類時,如果使每個簇的泛化屬性呈現(xiàn)出多樣性,則可以避免攻擊者竊取用戶的敏感屬性。為了使泛化和聚類后的圖相對于原圖信息損失最小,可以采取貪婪策略,使算法每次選擇一個最優(yōu)的結(jié)點(diǎn)加入簇中

3、。這樣得到的圖可以有效抵御攻擊者識別用戶或者獲取用戶的敏感屬性。
　　結(jié)點(diǎn)和邊都帶屬性的社會網(wǎng)絡(luò)數(shù)據(jù)的發(fā)布,可能面臨結(jié)點(diǎn)被識別、邊被識別、結(jié)點(diǎn)或邊的敏感屬性被竊取的情況。其中結(jié)點(diǎn)或邊的敏感屬性被獲取,可能結(jié)點(diǎn)、相鄰結(jié)點(diǎn)、邊或者關(guān)聯(lián)的邊的的敏感屬性被識別。其中,如果結(jié)點(diǎn)和邊的敏感屬性不被識別,那么相鄰結(jié)點(diǎn)或關(guān)聯(lián)的邊的敏感屬性也不會泄露。在此基礎(chǔ)上,為了防止攻擊者確定結(jié)點(diǎn)、結(jié)點(diǎn)間的路徑為某值、結(jié)點(diǎn)或邊的敏感屬性,可以將原始圖劃分成多個

4、離散的同構(gòu)的連通子圖,將子圖間對應(yīng)的結(jié)點(diǎn)或邊分組,然后引入噪聲數(shù)據(jù)來避免同組屬性的同質(zhì)化,最后發(fā)布其中的一個連通子圖和所有的結(jié)點(diǎn)分組和邊分組。這樣發(fā)布的圖能避免結(jié)點(diǎn)被識別、邊被識別、結(jié)點(diǎn)或邊的敏感屬性被竊取,并可以被理論證明和實(shí)驗(yàn)驗(yàn)證。
　　社會網(wǎng)絡(luò)中的推薦,通常存在各種顯式或隱式的標(biāo)準(zhǔn)。不同的具體標(biāo)準(zhǔn)可能具有類似的特征。在社會網(wǎng)絡(luò)中進(jìn)行推薦時,首先可以根據(jù)推薦標(biāo)準(zhǔn)從大圖中選擇相關(guān)的子圖,或者將多個圖按一定規(guī)則映射成一個相對簡單的

5、圖,或者把結(jié)點(diǎn)屬性設(shè)置為新結(jié)點(diǎn)從而構(gòu)造出一個新的圖等方法來對原始圖進(jìn)行簡化。在此基礎(chǔ)上,各標(biāo)準(zhǔn)可以按特征分類處理。最后可采取一定策略將多個標(biāo)準(zhǔn)的推薦結(jié)果組合起來。實(shí)驗(yàn)?zāi)茯?yàn)證該方法的有效性。
　　社會網(wǎng)絡(luò)中的個性化推薦,包括數(shù)據(jù)社會化和推薦策略個性化兩個方面。對用戶個人偏好的推薦策略表述,要求既易于被用戶和數(shù)據(jù)分析員理解,又可以指導(dǎo)計(jì)算機(jī)無歧義地執(zhí)行。針對這個要求,可研究一種基于規(guī)則的個性化推薦方法。首先,可以收集用戶對推薦策略的偏