[发明专利]社会网络动态发布中防止标签邻居攻击的匿名方法

说明书

本发明公开一种社会网络动态发布中防止标签邻居攻击的匿名方法，采用基于邻居标签相似度设计的算法来为节点分配合适的分组，同时又考虑了原始社会网络中相同组中节点的邻居结构和度信息，用到的StruSim方法在此算法的基础上有所改进，来达到隐私要求；提高组内节点的结构相似度，为下一步的操作做准备，由此方法得到t时刻分组后的社会网络图。采用随机扰乱的方法来改变图结构，随机添加删除边，然后采用模糊化的方法，每条边都有相应的概率存在于社会网络，使攻击者不能高于1/l的概率唯一确定带敏感标签的个体。由于本发明仅对带敏感标签的个体的标签邻居信息进行扰乱，因而减少了不确定图的数量，提高了数据的可用性。

技术领域

本发明涉及数据隐私保护技术领域，具体涉及一种社会网络动态发布中防止标签邻居攻击的匿名方法。

背景技术

近年来，随着互联网技术的蓬勃发展，社交网络软件也越来越流行，如微博微信和Facebook等，这些社交网络应用为人们提供了方便的沟通平台，同时也产生了大量的有关用户的信息。这些信息具有广泛的用途，如进行广告投放、商品推荐和社会行为预测等。社会网络数据中包含大量的敏感信息，包括个人的属性信息(比如职业，薪酬等)，个人的行为信息(比如个人的社交关系等)，这些信息如果不进行处理就发布共享，有可能会侵犯用户的隐私。因此，社会网络数据发布的隐私保护问题成为众多研究者关注的热点。

在社会网络数据中，通常用标签来表示用户的个人信息，例如姓名，性别，年龄，地址，职业等，用户可以自己选择想要隐藏的属性，被隐藏的属性是敏感的，而公开的属性是不敏感的，所以标签分为敏感和非敏感。最常用且直观的一种匿名方法为简单匿名，即移除能唯一标识用户的显式标识符属性，只保留用标签表示的属性。这样做虽然能够降低一部分隐私泄露，但是保护的强度不够，攻击者还是能够通过背景知识比如度、邻居结构信息来唯一识别个体。因此，在进行社会网络分析时，需要更进一步的考虑来保证隐私不被泄露，这些工作主要关注个体和关系泄露。

现有工作主要关注静态网络分析，但是很多应用涉及到网络的动态发展变化，与静态网络不同，面向动态网络数据的隐私保护提出了更高要求，它不仅是要保证某一时刻的数据满足匿名要求，由于不同时刻之间的数据还存在内在的关联关系，攻击者可通过先后时刻发布的数据进行比对而获得更多的隐私信息，还要保证多次发布隐私信息的安全，因此，现有的面向静态社会网络分析的隐私保护方法已不适用于动态发布的隐私保护的需求。本文针对以上问题，提出了在社会网络动态发布中防止标签邻居攻击的隐私保护模型。

发明内容

本发明所要解决的是现有隐私保护方仅基于社会网络静态发布而设计，而无法适用于社会网络动态发布的问题，提供一种社会网络动态发布中防止标签邻居攻击的匿名方法，其能够在发布数据时，可以满足动态网络的隐私要求。

为解决上述问题，本发明是通过以下技术方案实现的：

社会网络动态发布中防止标签邻居攻击的匿名方法，包括如下步骤：

步骤1、初始化当前时刻原始的社会网络图；

步骤2、对社会网络图中带敏感标签的节点根据结构相似度进行分组；

步骤3、对分过组后的带敏感标签的节点的邻居节点进行匹配，使得组内节点的邻居标签信息相同；

步骤4、对已经完成节点标签匹配操作的标签-邻居图进行随机化，得到随机化后的社会网络图；

步骤5、将随机化后的社会网络图发布。

上述步骤2的具体过程如下：

步骤3.1、将社会网络数据中带敏感标签节点集合按度数降序排列，得到新的节点集合；

步骤3.2、选择新的节点集合中度数最大的带敏感标签的节点，并将该选中的节点从新的节点集合中去除；