欢迎来到天天文库
浏览记录
ID:33323106
大小:8.43 MB
页数:76页
时间:2019-02-24
《面向加权社会网络的隐私保护关键技术研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、万方数据AThesisinComputerTechnologyResearchontheKeyTechniquesforPrivacyPreservingonWeightedSocialNetworksByChenKeSupervisor:AssociateProfessorWangBinNortheasternUniversityJune2013万方数据独创性声明本人声明,所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外,不包含其他人己经发表或撰写过的研究成果,也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡
2、献均己在论文中作了明确的说明并表示谢意。学位论文作者签名:髫氨习日期:矽侈午舌问坪号学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定:即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。作者和导师同意网上交流的时间为作者获得学位后:半年口一年∥一年半口两年口学位论文作者签名:像黾签字日期:Ⅵj’哿6同叩多导师签名:签字日期:万方数据东北大学硕士学位论文摘要面向加权社会网络的隐私保护关键技术研究摘要随着互联网技术的不断发展,社会网络无
3、时无刻不在产生海量数据。海量数据为科研人员提供数据分析与知识挖掘便利的同时,随之而来用户的隐私也暴露无疑。而针对社会网络数据的隐私保护问题,已经成为数据隐私研究领域学者普遍关注的热点问题。社会网络数据中的隐私信息异常广泛,攻击者可以利用多种背景知识来进行隐私攻击。目前社会网络隐私保护技术主要针对无权重的简单图,不能直接应用于加权社会网络。针对以上问题,重点研究了面向加权社会网络的隐私保护技术。分析了加权社会网络中的路径隐私泄露问题,针对最短路径识别,提出了基于加权图简单路径集和复杂路径集的不同隐私保护策略。对于简单路径集,提出了GlobalGeneralization算法,即对
4、加权图目标结点之间的简单路径集进行泛化,泛化过程使得路径集中的每条路径权重取值范围相同,达到匿名路径集的目的,又使得泛化区间包含真实权重取值,从而提高匿名数据的可用性。对于复杂路径集,提出了Local算法,即在全局泛化的基础上,对路径集中的重叠边进行局部优化处理。.o进vt而im,iz提atio出n了加权图缸可能路径匿名(简称KPPA)隐私保护模型,来防止基于加权社会网络的最短路径隐私攻击。针对加权图中结点敏感标签信息泄露问题,提出了/-histogram.inverse.,.diversity(简称KH.inv.LD)隐私保护模型,该模型对加权图的结点权重序列进行保护,同时基
5、于标签信息泛化提出了反转乒多样性来防止结点敏感信息的泄露。针对k-histogram权重匿名组中的结点单敏感属性,设计了Single.sensffive—attributegeneralization(SSAG)算法。研究了如何在提高数据可用性的同时对多敏感属性信息进行保护,设计了Multi.sensitive.attributegeneralization(MSAG)算法。在真实数据集上进行了大量的测试研究,通过实验结果本身及对实验结果的分析,证明了本文提出的算法都能够高效地保护加权图中的隐私信息,同时基于匿名图进行采样可以无偏地恢复原图结构性质,有效地提高了匿名数据的可用性
6、。关键词:加权社会网络;隐私保护;数据发布;权重泛化;多敏感属性.II.万方数据东北大学硕士学位论文AbstractResearchonthePreservingonKeyTechniquesforPrivacyAbstractWiththedevelopmentofInternettechnology,socialnetworksgeneratemassiveamountsofdataallthetime.Massiveamountsofdataareconvenientforresearcherswithdataanalysisandknowledgemining,buta
7、tthesametimeitwillexposeusers’privacy.Socialnetworkdataprivacyprotectionhasbeenthehotissueamongscholarsinthefieldofdataprivacyresearch.AnattackerCanuseavarietyofbackgroundknowledgetoattackagainstprivacy.Mostofthepresenttechnologyonanonymitysocialne
此文档下载收益归作者所有