防止路径攻击的加权社会网络匿名化技术

摘要：

随着社会网络的普及，社会网络数据的隐私保护问题，已经成为数据隐私研究领域学者普遍关注的热点问题。由于隐私信息异常广泛，攻击者可以利用多种背景知识进行隐私攻击。现有的隐私保护技术，大多针对简单社会网络，并不适用于加权社会网络。对加权社会网络中的路径隐私泄露问题进行了研究，针对最短路径识别提出了加权图k-可能路径匿名（k-possible path anonymity，KPPA）隐私保护模型,来防止基于加权社会网络的最短路径隐私攻击，设计了一种基于权重泛化的匿名方法来实现KPPA算法。通过在真实数据集上的大量测试研究，证明了KPPA算法对于加权图路径隐私保护的有效性，同时基于KPPA算法可以保留原图结构性质，提高权重信息的可用性。

关键词：加权社会网络、路径隐私、权重泛化、最短路径

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61173031,61272178;the National Natural Science Foundation of China on International Cooperation under Grant No.61129002;the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20110042110028;the Fundamental Research Funds for the Central Universities of China under Grant Nos. N110404015, N120504001

在线出版日期：2013-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：961-972