典型文献
差分隐私下的权重社交网络隐私保护
文献摘要：
由于权重社交网络的复杂性和噪声随机性,传统的隐私保护方法无法兼顾社交网络中的隐私和效用需求.针对此问题,融合直方图统计和非交互式差分隐私查询模型,提出社交网络边权重直方图统计发布方法.该方法将边权重统计直方图作为查询结果,并设计低敏感度的边权重拉普拉斯噪声随机扰动算法,实现社交关系的差分隐私保护.为减少噪声量,引入社区结构熵将社交网络的用户节点划分为若干子社区,提出随机扰动改进算法,以社区为单位划分社交关系并注入拉普拉斯噪声,使各个社区序列满足差分隐私,实现从社区层面保护社交关系.此外,利用一维结构熵的特性,衡量算法对权重社交网络的整体隐私保护程度.理论分析和实验结果表明:所提出的隐私保护算法对节点度识别的保护程度均高于对比算法,能够实现更好的隐私保护效果,同时,在大型社交网络中能够满足差分隐私要求,且保持较高的社交网络数据效用.
文献关键词：
权重社交网络;差分隐私;直方图发布;社区结构熵;边关系分组
中图分类号：
作者姓名：
徐花;田有亮
作者机构：
贵州大学计算机科学与技术学院,贵州贵阳550025;贵州省公共大数据重点实验室,贵州贵阳550025;贵州大学密码学与数据安全研究所,贵州贵阳550025
文献出处：
引用格式：
[1]徐花;田有亮-.差分隐私下的权重社交网络隐私保护)[J].西安电子科技大学学报（自然科学版）,2022(01):17-25,34
A类：
权重社交网络,社区结构熵,边关系分组
B类：
私下,网络隐私,随机性,保护方法,直方图统计,交互式,边权重,计发,统计直方图,拉普拉斯噪声,随机扰动,社交关系,差分隐私保护,节点划分,干子,改进算法,分社,一维结构,量算,节点度,对比算法,保护效果,社交网络数据,直方图发布
AB值：
0.215652
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
