基于随机模型检验的社交网络隐私保护研究

摘要：

针对现有社交网络所提供静态隐私策略的隐私设置不够灵活且难以定量验证问题,提出一种动态隐私保护框架,将社交网络建模为离散时间马尔科夫链模型,通过设置触发条件实现用户动态隐私规约并将其转化为概率计算树逻辑公式,同时结合随机模型检验和运行时验证中的参数化与监控技术,保护社交网络发生随机故障情况下的用户动态隐私信息.在Diaspora开源社交网络上的实验结果表明,与静态隐私保护框架相比,动态隐私保护框架具有更高的安全性和灵活性,能较好满足用户的隐私保护需求.

关键词：社交网络、隐私保护、运行时验证、随机模型检验、概率计算树逻辑

所属期刊栏目：47

分类号：TP311(计算技术、计算机技术)

资助基金：江苏省"六大人才高峰"高层次人才项目;江苏省高等学校自然科学研究重大项目;南京市留学人员科技创新项目择优资助计划

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：144-153