文献类型：期刊文章

作　　者：徐花[1,2] 田有亮[1,2,3]

XU Hua;TIAN Youliang(College of Computer Science and Technology,Guizhou University,Guiyang 550025,China;State Key Laboratory of Public Big Data,Guizhou University,Guiyang 550025,China;Institute of Cryptography&Date Security,Guizhou University,Guiyang 550025,China)

机构地区：[1]贵州大学计算机科学与技术学院,贵州贵阳550025 [2]贵州省公共大数据重点实验室,贵州贵阳550025 [3]贵州大学密码学与数据安全研究所,贵州贵阳550025

出　　处：《西安电子科技大学学报》

基　　金：国家自然科学基金(61662009,61772008);国家自然科学基金联合基金重点支持项目(U1836205);贵州省科技重大专项计划(20183001);贵州省科技计划(黔科合基础[2019]1098);贵州省高层次创新型人才项目(黔科合平台人才[2020]6008)。

年　　份：2022

卷　　号：49

期　　号：1

起止页码：17-25

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于权重社交网络的复杂性和噪声随机性,传统的隐私保护方法无法兼顾社交网络中的隐私和效用需求。针对此问题,融合直方图统计和非交互式差分隐私查询模型,提出社交网络边权重直方图统计发布方法。该方法将边权重统计直方图作为查询结果,并设计低敏感度的边权重拉普拉斯噪声随机扰动算法,实现社交关系的差分隐私保护。为减少噪声量,引入社区结构熵将社交网络的用户节点划分为若干子社区,提出随机扰动改进算法,以社区为单位划分社交关系并注入拉普拉斯噪声,使各个社区序列满足差分隐私,实现从社区层面保护社交关系。此外,利用一维结构熵的特性,衡量算法对权重社交网络的整体隐私保护程度。理论分析和实验结果表明:所提出的隐私保护算法对节点度识别的保护程度均高于对比算法,能够实现更好的隐私保护效果,同时,在大型社交网络中能够满足差分隐私要求,且保持较高的社交网络数据效用。

关 键 词：权重社交网络  差分隐私  直方图发布  社区结构熵  边关系分组  

分 类 号：TP309]