面向子图匹配的社会网络隐私保护方法

摘要：

云平台作为存储和处理分析大规模社会网络数据的工具逐渐变为主流,针对大规模社会网络子图匹配隐私保护问题,提出分布式K-自同构社会网络隐私保护算法,保护上传至云平台的社会网络图的结构隐私.通过节点间传递标记信息的方式添加噪声边,使原始图匿名为具有k个对称子图的K-自同构社会网络图.提出分布式的子图匹配方法对上传图进行子图匹配,根据搜索图中节点的选择性对搜索图进行分解得到搜索分解子图;在每个计算节点内进行分布并行的子图匹配得到搜索分解子图匹配结果,将结果连接后得到关于搜索图的匹配结果;在客户端中根据K-自同构社会网络图的对称性和K-自同构函数对得到的子图匹配结果进行恢复和过滤得到正确匹配结果.实验结果表明:分布式K-自同构社会网络隐私保护算法和分布式子图匹配方法在处理大规模社会网络图时具有很高的效率,并且有效解决了隐私泄露问题.

关键词：分布式、社会网络、隐私保护、子图匹配

所属期刊栏目：13

分类号：TP393(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61562065;the Natural Science Foundation of Inner Mongolia under Grant No. 2017MSLH0603;the Graduate Scientific Research Innovation Project of Inner Mongolia Autonomous Region under Grant No. S201710120706

在线出版日期：2019-09-24（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：1504-1515