面向社交网络数据的等差数列聚类匿名算法

摘要：

针对社交网络隐私保护如何减少信息损失,实现数据可用性的问题,提出一种个性化等差数列聚类匿名分配算法(PAS-CAA).首先对选取的初始节点进行优化,基于综合相似度进行聚类,使每个超点至少包含k个节点;区分非敏感超点集和敏感超点集,对敏感超点集采用递减等差数列进行聚类,灵活地调节保护力度,对非敏感超点集实现基本的k保护力度;最后对超点进行匿名化处理.仿真实验结果表明算法在保护社交网络用户隐私的同时可以减少信息的损失,保留统计属性,实现了社交网络的个性化隐私保护.

关键词：社交网络;数据挖掘;个性化隐私保护;聚类匿名

所属期刊栏目：54

分类号：TP309(计算技术、计算机技术)

资助基金：河北省自然科学基金;教育部云数融合科教创新基金

在线出版日期：2022-01-12（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：41-47