[发明专利]社交文本数据流的块压缩感知不可区分性保护方法及装置

说明书

本发明提供了一种社交文本数据流的块压缩感知不可区分性保护方法及装置，包括：步骤1，对社交文本数据流进行采集和预处理，构建一个包含多属性的数值型矩阵；步骤2，采用多属性社交数据流自适应分块压缩方法对多属性数值型矩阵进行自适应分块和压缩处理；步骤3，构建面向压缩属性块矩阵的HST动态索引树；步骤4，对压缩属性块矩阵进行本地化扰动隐私保护，外包扰动的社交文本数据流给服务器进行挖掘分析；实现社交文本数据流的本地隐私保护和数据可用性之间的平衡。此外，本发明还提供了相应的保护装置，推动社交网络平台高质量安全应用推广。

技术领域

本发明涉及信息安全领域与社交网络领域，特别涉及一种社交文本数据流的块压缩感知不可区分性保护方法及装置。

背景技术

随着物联网和社交网络的兴起，社交用户在社交网络上持续发布大规模的社交文本数据给社交网络服务器，形成多属性社交文本数据流，包括社交用户的个人属性和兴趣爱好等信息。例如，作为世界上最大的社交平台，Facebook的月活动用户为22.3亿人次，每天发布600TB的社交文本数据流；流行的Twitter社交服务平台每月活动用户数高达3.26亿，每天产生5亿条社交推文数据。当前，面向社交文本数据流的服务已经广泛应用到各种社交领域中，如Facebook、Twitter、领英、微博、微信等平台。社交网络服务器根据社交用户外包的多属性社交文本数据流，可以执行各种挖掘分析，如朋友推荐、热点话题推荐、广告推送等服务。

然而，社交用户的多属性社交文本数据流包含用户较多的个人敏感隐私（如：年龄、位置、社交关系等），社交服务器受到攻击或谋求私利会将敏感隐私数据泄露给攻击者，造成严重的隐私泄露问题。通过获取的公开社交数据，攻击者可以执行身份盗窃和目标跟踪。此外，基于属性链接攻击，社交用户的兴趣爱好和位置信息隐私将被泄露，这导致他们将不再参与社交网络服务。因此，为实现社交网络服务高质量推广应用，保护多属性社交文本数据流隐私已成为社交用户非常关注和急需解决的热点问题。

为保护社交数据隐私，传统的隐私保护方法主要关注社交图结构数据的顶点隐私和边隐私保护。然而这些社交图数据隐私保护方法不能抵御用户链接攻击，攻击者可以获取社交文本数据以推断社交用户隐私。为了保护社交文本数据流隐私，已有匿名方法不能阻止推理攻击和最大背景知识攻击。加密方法只能允许具有密钥的用户获取密文数据，限制了可信但无密钥用户对数据的可获取性。已有差分隐私方法采用可信第三方收集和扰动所有用户的社交数据。然而，一旦可信第三方被攻击，所有社交用户的数据隐私将被泄露，因此社交用户更愿意在本地保护个人数据隐私。尽管本地差分隐私可以在本地添加或者删除数据，以允许社交用户在本地保护数据隐私，然而添加或删除数据会导致数据可用性不高。此外，社交用户通过社交平台持续发布社交文本数据流，会泄露更多的用户隐私。现有隐私保护方法主要关注静态社交文本数据隐私，没有考虑多属性社交文本数据流的隐私保护问题，存在隐私泄露风险。

发明内容

本发明提供了一种社交文本数据流的块压缩感知不可区分性保护方法及装置，其目的是为了解决现有隐私保护方法存在的没有考虑多属性社交文本数据流的问题，实现多属性社交文本数据流的本地隐私保护，提高社交网络平台应用的安全有效性。

为了达到上述目的，本发明提供了一种社交文本数据流的块压缩感知不可区分性保护方法，包括：

步骤1，对社交文本数据流进行采集和预处理，构建一个包含多属性的数值型矩阵；

步骤2，基于多属性社交数据流自适应分块压缩方法对多属性数值型矩阵进行自适应分块和压缩处理；

步骤3，构建面向压缩属性块矩阵的HST动态索引树；

步骤4，计算压缩属性块矩阵在HST动态索引树中具有公共祖先的叶子节点的扰动概率和，扰动概率需满足下式，