基于DSNPP算法的社交网络隐私保护方法

摘要：

社交网络发展迅速,数据发布过程中存在的一个重要安全隐患就是隐私泄露。针对目前大多数社交网络隐私保护研究存在的“人员属性隐私保护”和“社区结构保护”之间没有实现真正结合的问题,就两者综合考虑,提出一种基于密度聚类算法的社交网络隐私保护方法( Density for Social Network Privacy-Preserving,DSNPP)。该算法通过对节点进行密度聚类分析,得到任意形状的簇,采用对簇内节点进行泛化、在簇内插入真实节点、增加相应边等技术来保护节点的信息和节点之间的关系信息,从而实现了人员属性隐私保护和社区结构保护两方面的真正结合。最后,通过实验表明,与p-Sen-sitive k-匿名算法、GSNPP算法相比,该算法信息丢失量上优势明显,可以获得更高的隐私保护。

关键词：社交网络、隐私保护、密度聚类、真实节点、泛化

分类号：TP309.2(计算技术、计算机技术)

资助基金：贵州省科学技术基金项目黔科合J字{2012}2128号;贵州大学研究生创新基金资助项目校研理工2015017

在线出版日期：2015-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：152-155