基于谱聚类的社交网络差分隐私保护算法研究

• 作者: 袁泉 晏飞扬 文志云 张振康
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 权重社交网络 差分隐私 谱聚类
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 251-256
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2022.02.009

摘要

针对权重社交网络差分隐私保护算法中噪声添加量过大以及隐私保护不均衡问题,提出了一种结合谱聚类算法与差分隐私保护模型的隐私保护算法SCDP.首先针对传统差分隐私保护算法直接向社交网络边权重添加噪声方式带来的噪声添加量过大的问题,结合谱聚类算法,将权重社交网络聚类成为不同的簇,对不同的簇采取随机添加噪声的方式,降低噪声的添加量,提高数据的可用性;其次设计新的隐私预算参数,根据社交网络边权重的大小决定噪声的添加量,实现更均衡的隐私保护;最后通过理论推导和实验证明了SCDP算法处理后的数据可用性更高.