社會網(wǎng)絡的隱私保護發(fā)布算法與推薦方法研究.pdf

1、隨著信息技術的發(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,在線交流的途徑進一步擴大,個體創(chuàng)造的內容也愈加豐富。這導致現(xiàn)實生活中每天都產生和存儲大量的社會網(wǎng)絡數(shù)據(jù)。信息豐富的社會網(wǎng)絡數(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,如何通過推薦進一步提高用戶的參與熱情從而產生更多有價值的數(shù)據(jù),成為極具理論與實踐意義的問題。
　　結點帶屬性的社會網(wǎng)絡數(shù)

2、據(jù)的發(fā)布,可能被攻擊者通過結構背景知識或屬性背景知識識別用戶,也可能無法識別用戶但獲取了用戶的敏感屬性。為了保護用戶的隱私,可以將原始圖進行點和邊的聚類,使得每個簇具有多個結點,并將結點的屬性泛化,從而避免攻擊者通過結構背景知識或屬性背景知識進行攻擊。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)的結點加入簇中

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。
　　結點和邊都帶屬性的社會網(wǎng)絡數(shù)據(jù)的發(fā)布,可能面臨結點被識別、邊被識別、結點或邊的敏感屬性被竊取的情況。其中結點或邊的敏感屬性被獲取,可能結點、相鄰結點、邊或者關聯(lián)的邊的的敏感屬性被識別。其中,如果結點和邊的敏感屬性不被識別,那么相鄰結點或關聯(lián)的邊的敏感屬性也不會泄露。在此基礎上,為了防止攻擊者確定結點、結點間的路徑為某值、結點或邊的敏感屬性,可以將原始圖劃分成多個

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

5、圖,或者把結點屬性設置為新結點從而構造出一個新的圖等方法來對原始圖進行簡化。在此基礎上,各標準可以按特征分類處理。最后可采取一定策略將多個標準的推薦結果組合起來。實驗能驗證該方法的有效性。
　　社會網(wǎng)絡中的個性化推薦,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,又可以指導計算機無歧義地執(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