动态社会网络数据发布隐私保护方法

doi:10.3778/j.issn.1673-9418.1809036

计算机科学与探索 ›› 2019, Vol. 13 ›› Issue (9): 1441-1458.DOI: 10.3778/j.issn.1673-9418.1809036

动态社会网络数据发布隐私保护方法

董祥祥，高昂，梁英，毕晓迪

1.中国科学院计算技术研究所，北京 100190
2.中国科学院大学，北京 100190
3.移动计算与新型终端北京市重点实验室，北京 100190

出版日期:2019-09-01 发布日期:2019-09-06

Method of Privacy Preserving in Dynamic Social Network Data Publication

DONG Xiangxiang, GAO Ang, LIANG Ying, BI Xiaodi

1.Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
2.University of Chinese Academy of Sciences, Beijing 100190, China
3.Beijing Key Laboratory of Mobile Computing and New Devices, Beijing 100190, China

Online:2019-09-01 Published:2019-09-06

摘要/Abstract

摘要： 社会网络数据发布具有动态性与不安全性，为避免使用不同时刻的社会网络数据进行关联攻击，兼顾节点属性多样性，提出了一种动态社会网络数据发布隐私保护方法。首先，根据匿名规则进行节点聚类，求解当前时刻的匿名图，保证同一个匿名集中节点属性多样性最大的前提下，数据发布后的节点属性与边的泄露概率均小于1/k。然后，生成相邻时刻数据关系图的差集，结合当前时刻的匿名图，删除前序时刻不存在的节点与边，逆向更新已发布数据，保证不同时刻下的匿名图具有相似的图结构，抵御关联攻击。最后，采用新浪微博数据和邮件往来数据进行实验验证，对所提方法的安全性和可用性进行评估。实验结果表明所提方法兼顾了用户数据隐私保护和数据可用性的个性化需求。

关键词: 动态社会网络, 隐私保护, 匿名规则, K-匿名, 数据发布

Abstract: Social network data publication is dynamic and unsafe. In order to avoid associated attacks using social network data at different time and take into account the diversity of node attributes, this paper proposes a method of privacy preserving in dynamic social network data publication. Firstly, nodes are clustered according to anonymous rules, and the anonymous graph for the time being is generated, in which the diversity of nodes in the same anonymous set is maximized, and leakage probability for both node attributes and edge relationships are less than 1/k. Secondly, the difference set of the data relation graph of the adjacent time is generated. Considering the anonymous graph of current time, the nodes and edges which do not exist in previous graph are deleted and published data are updated reversely. In consequence, the graph structures in different timestamps should be similar to improve the resilience to associated attacks. Finally, this paper evaluates the security and availability on the Sina Weibo data set and the public email correspondence data set. The experiment results show that the method meets users' personalized requirements of data privacy protection and data availability.

Key words: dynamic social network, privacy protection, anonymous rules, K-anonymity, data publication

董祥祥，高昂，梁英，毕晓迪. 动态社会网络数据发布隐私保护方法[J]. 计算机科学与探索, 2019, 13(9): 1441-1458.

DONG Xiangxiang, GAO Ang, LIANG Ying, BI Xiaodi. Method of Privacy Preserving in Dynamic Social Network Data Publication[J]. Journal of Frontiers of Computer Science and Technology, 2019, 13(9): 1441-1458.

[1]	郭子菁，罗玉川，蔡志平，郑腾飞. 医疗健康大数据隐私保护综述[J]. 计算机科学与探索, 2021, 15(3): 389-402.
[2]	高昂，梁英，谢小杰，王梓森，李锦涛. 支持隐私保护的社交网络信息传播方法[J]. 计算机科学与探索, 2021, 15(2): 233-248.
[3]	屈晶晶，蔡英，范艳芳，夏红科. 基于k-prototype聚类的差分隐私混合数据发布算法[J]. 计算机科学与探索, 2021, 15(1): 109-118.
[4]	兰微，林英，包聆言，李彤，陈梦蓉，单今朝. 融入兴趣区域的差分隐私轨迹数据保护方法[J]. 计算机科学与探索, 2020, 14(1): 59-72.
[5]	张晓琳，袁昊晨，李卓麟，张换香，刘娇. 面向子图匹配的社会网络隐私保护方法[J]. 计算机科学与探索, 2019, 13(9): 1504-1515.
[6]	佟丹妮，申德荣，韩姝敏，聂铁铮，寇月，于戈. 多方强隐私保护记录链接方法[J]. 计算机科学与探索, 2019, 13(3): 394-407.
[7]	杨高明，方贤进+，肖亚飞. 局部差分隐私约束的链接攻击保护[J]. 计算机科学与探索, 2019, 13(2): 251-262.
[8]	张晓琳，何晓玉，张换香，李卓麟. PLRD-(k,m):保护链接关系的分布式k-度-m-标签匿名方法[J]. 计算机科学与探索, 2019, 13(1): 70-82.
[9]	吴英杰，陈靖麟，蔡剑平，王一蕾. 矩阵机制下差分隐私数据发布方法的误差分析[J]. 计算机科学与探索, 2018, 12(7): 1075-1086.
[10]	陶灵灵，黄志球，曹彦，张梦娇. 支持访问目的与信誉度标注的隐私保护方法[J]. 计算机科学与探索, 2018, 12(5): 719-729.
[11]	李文，黄丽韶，罗恩韬. 移动医疗中个性化l-多样性匿名隐私保护模型[J]. 计算机科学与探索, 2018, 12(5): 761-768.
[12]	姜家鑫，黄志球，马薇薇. 满足隐私需求的服务组合信息流控制方法研究[J]. 计算机科学与探索, 2018, 12(3): 370-379.
[13]	葛晨，吴英杰，孙岚. 差分隐私流数据实时发布方法[J]. 计算机科学与探索, 2018, 12(11): 1748-1757.
[14]	李向东，张少波，郭敏，王国军. 基于网格的位置隐私保护方法[J]. 计算机科学与探索, 2017, 11(8): 1258-1268.
[15]	戴华，王敏，易训，杨庚，叶庆群. 无线传感器网络安全MAX/MIN查询技术综述[J]. 计算机科学与探索, 2017, 11(8): 1191-1203.

动态社会网络数据发布隐私保护方法

Method of Privacy Preserving in Dynamic Social Network Data Publication

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics