大数据环境下的本地差分隐私图信息收集方法

摘要：

大数据为各种网络服务的用户带来了诸多便利,但也导致了严重的隐私泄露风险.随着5G时代的到来,数据传输更加便捷,隐私保护问题将会面临更为严峻的挑战.目前,中心化差分隐私和以RAPPOR为代表的本地差分隐私技术,可以为隐私信息的查询与收集过程提供一定保护.然而,针对社交网络、商业网络、金融网络这类复杂的图数据,尚缺乏有效的方法,使得在充分保护节点隐私的情况下,收集相关信息,构建可用性高的图结构.在实际应用中,节点之间的关联性以及信息富集等问题造成了在收集与还原图数据方面的困难.针对上述问题,文章提出了一种利用RAPPOR技术收集节点的边信息的方法,在不泄露节点度信息的同时,实现对节点边信息真正意义上的本地差分隐私保护,并高精度地还原出真实的图结构.此外,该方法充分考虑了数据收集全周期的隐私保护问题,不仅在数据收集过程中保护节点的隐私信息,同时,构建出的图只具有真实数据的结构信息,相关节点则得到了假名化的保护.

关键词：本地差分隐私、图信息收集、隐私保护、RAPPOR、大数据

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金[U163620068

在线出版日期：2020-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：44-56