图数据上的隐私攻击与防御技术

• 作者: 刘宇涵 陈红 刘艺璇 赵丹 李翠平
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 数据发布 数据收集 图数据 隐私保护 差分隐私
• 年，卷（期）: 2022,（4）
• 页码范围: 702-734
• 页数: 33页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2022.00702

摘要

如今,图数据已经被广泛地应用于现实生活与科学研究当中,有巨大的使用和研究价值.但与此同时,针对图数据的收集与发布中也存在巨大的隐私风险.如何在保护图隐私的同时,发布与收集可用图数据,是目前个人、企业、政府等面临的重大挑战.本文首先从隐私信息所包含的内容、不同的隐私泄露场景,以及敌手模型三个方面深入地剖析了图数据在使用中存在的隐私风险,然后重点从攻击和防御两个角度展开介绍.针对攻击而言,本文分析了当前可行的图数据隐私攻击与攻击量化算法及其算法原理.针对防御而言,本文总结了简单匿名、图修改、聚类,以及差分隐私四种图数据隐私防御技术;分析了集中与分布两种数据存储场景下,不同类型图数据使用的各类隐私防御算法,以及数据隐私性与可用性度量方法.最后本文综合已有的研究成果,指出了图数据上隐私保护研究当前存在的问题、面临的挑战,及未来的研究方向.