权重社交网络隐私保护中的差分隐私算法

• 作者: 王丹 龙士工
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社交网络 差分隐私 隐私保护 最短路径 边权重
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 安全技术
• 页码范围: 114-118
• 页数: 5页
• 分类号: TP309
• 字数: 4020字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0049695

摘要

针对社交网络的边权重隐私泄露问题,提出一种权重社交网络隐私保护算法.利用无向有权图表示社交网络,把边权重序列作为一个无归属直方图处理,将包含敏感信息的权重加入拉普拉斯噪声以满足差分隐私保护要求.为减少噪音量,对直方图中具有相同计数的桶合并成组,根据组间k-不可区分性来保证差分隐私保护要求,通过对原始的权重序列进行一致性推理保持网络最短路径不变.理论分析和实验结果表明,该算法能够满足差分隐私保护要求,且提高了信息发布的准确性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙士工	贵州大学贵州省公共大数据重点实验室	39	110	5.0	9.0
5	王丹	贵州大学贵州省公共大数据重点实验室	9	42	4.0	6.0