基于GAN的社交网络隐私保护方法

摘要：

针对数据供应商发布社交网络数据时可能出现的泄露隐私问题,提出一种基于生成对抗网络的隐私保护方法(GPGAN).采用GAN作为学习模型捕捉网络结构的随机游走,设计奖励函数指引创建包含重要信息的随机游走.提出基于游走样本的匿名图构造方法,通过添加差分隐私得到匿名概率邻接矩阵,重构社交网络图.实验结果表明,与其它图生成相比,该模型具有良好的图结构特征学习能力.通过度量评估实验验证了GPGAN可以在合理的隐私预算下保留所需的数据效用,优于当前主流的社交网络隐私保护方法.

关键词：社交网络、生成对抗网络、差分隐私、匿名图重构、隐私度量、隐私保护、数据效用

所属期刊栏目：44

分类号：TP393.08(计算技术、计算机技术)

资助基金：山西省重点研发计划基金项目201903D121121

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：991-997