基于节点分割的权重序列隐私保护研究

• 作者: 张茁弘 郑剑 韩青菊
• 来源期刊: 计算机应用研究
• 关键词: 社会网络 权重序列 向量集模型 介数中心性 加权欧氏距离
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 信息安全技术
• 页码范围: 3082-3085,3095
• 页数: 5页
• 分类号: TP309.7
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.047

摘要

针对加权社会网络的数据发布和权重序列攻击,提出采用基于节点分割的权重序列匿名方法实现网络结构、边权重以及权重序列的隐私保护.此方法在图的边空间概念的基础上,采用节点聚类分割思想构建加权社会网络的向量集模型,利用边的介数中心性重新分配权重,通过组内直径距离和节点的相对距离调整权重序列,利用加权欧氏距离构建候选向量集,从候选向量集中选取向量实现社会网络的数据发布.此方法在保证隐私安全的前提下,保证了社会网络分析需要的结构特征、发布数据的有效性以及有效地抵御了权重序列攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑剑	江西理工大学信息工程学院	64	155	6.0	10.0
2	张茁弘	江西理工大学信息工程学院	1	2	1.0	1.0
3	韩青菊	江西理工大学信息工程学院	3	3	1.0	1.0