社會(huì)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(shí),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(gè)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(chǔ)大量的社會(huì)網(wǎng)絡(luò)數(shù)據(jù)。信息豐富的社會(huì)網(wǎng)絡(luò)數(shù)據(jù)吸引了研究者的眼光,同時(shí)也引起了攻擊者的注意。如何發(fā)布社會(huì)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(jià)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(huì)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(shí)或?qū)傩员尘爸R(shí)識(shí)別用戶,也可能無法識(shí)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(gè)簇具有多個(gè)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(shí)或?qū)傩员尘爸R(shí)進(jìn)行攻擊。同時(shí),在聚類時(shí),如果使每個(gè)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(duì)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(gè)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(shí)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(huì)網(wǎng)絡(luò)數(shù)據(jù)的發(fā)布,可能面臨結(jié)點(diǎn)被識(shí)別、邊被識(shí)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(shí)別。其中,如果結(jié)點(diǎn)和邊的敏感屬性不被識(shí)別,那么相鄰結(jié)點(diǎn)或關(guān)聯(lián)的邊的敏感屬性也不會(huì)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(gè)

4、離散的同構(gòu)的連通子圖,將子圖間對(duì)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(gè)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(shí)別、邊被識(shí)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(huì)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(huì)網(wǎng)絡(luò)中進(jìn)行推薦時(shí),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(gè)圖按一定規(guī)則映射成一個(gè)相對(duì)簡(jiǎn)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(gè)新的圖等方法來對(duì)原始圖進(jìn)行簡(jiǎn)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(gè)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(huì)網(wǎng)絡(luò)中的個(gè)性化推薦,包括數(shù)據(jù)社會(huì)化和推薦策略個(gè)性化兩個(gè)方面。對(duì)用戶個(gè)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(duì)這個(gè)要求,可研究一種基于規(guī)則的個(gè)性化推薦方法。首先,可以收集用戶對(duì)推薦策略的偏