基于DeepLink的社交网络去匿名方法

• 作者: 李爱平 王培 蒋千越 贾焰
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 匿名 去匿名 隐私 社交网络 图数据
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 104-108
• 页数: 5页
• 分类号: TP183
• 字数: 3148字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020045

摘要

现有的社交网络去匿名方法主要是基于网络结构,对网络结构进行学习与表示是去匿名的关键.用户身份链接(user identity linkage)的目的是检测来自不同社交网络平台的同一个用户.基于深度学习的跨社交网络用户对齐技术,很好地学习了不同社交网络的结构特征,实现了跨社交网络的用户对齐.将该技术用于同一社交网络匿名用户识别,实验结果优于传统去匿名方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾焰	国防科技大学计算机学院	118	926	16.0	24.0
2	李爱平	国防科技大学计算机学院	29	359	9.0	18.0
3	王培	国防科技大学计算机学院	1	0	0.0	0.0
4	蒋千越	国防科技大学计算机学院	1	0	0.0	0.0