[发明专利]一种防止网络数据隐私泄露的保护方法

摘要

本发明公开一种防止网络数据隐私泄露的保护方法，其考虑到原始的社会网络图在发布的时候可能是安全的，但是对于社区检测后的各个子图可能存在隐私泄露问题，保证各个子图安全性的情况下尽可能的保存社区结构，首次提出了社区内的隐私泄露和社区间的隐私泄露，以及对着两种泄露方式不同的应对措施。本发明在保证各个子社区用户隐私安全的情况下，保证了图的结构特性，从而能更好的更细致的对划分后的社区进行更深入的研究。

主权项

1.一种防止网络数据隐私泄露的保护方法，其特征在于，包括如下步骤：/n步骤1.对数据进行简单的处理，去掉唯一的标识符；/n步骤2.使用经典的社区检测算法GN算法对社区进行划分，划分过程中统计各个子社区的边介数；当社区检测达到最优时，得到最终各个子社区的度序列以及边介数集合、候选集节点度数相同的节点个数至少大于2并且候选集中不包含节点子社区节点度数最大值；各个子社区的度序列按照降序排列；/n步骤3.对于每个子社区，判断其是否存在隐私泄露；即对于任意的子社区，检查其度序列；如果子社区的度序列不能唯一的定位到具体的节点，则说明该社区没有隐私泄露，如果度序列可以唯一的定位到具体的节点，即为隐私泄露的节点，则说明有隐私泄露，需要进行匿名保护；/n步骤4.根据背景知识，对于有隐私泄露的子社区，判断其是属于社区内隐私泄露还是社区间隐私泄露；即判断隐私泄露的节点所连接的边是否有边介数；如果隐私泄露的节点没有包括边介数，则说明是子社区内部的隐私泄露；如果隐私泄露的节点包括边介数，则说明是子社区之间的隐私泄露；/n步骤5.对不同的隐私泄露问题，采用不同的处理方式进行隐私保护；/n对于子社区内部的隐私泄露，通过伯努利等概率事件，进行随机化操作等概率删除添加边，添加的边从该子社区候选集中选取；对于子社区内部的隐私泄露，如果泄露隐私节点的度数最大且唯一，则根据伯努利等概率事件可知，将连接在该节点的边等概率的删除，假设概率为p；如果泄露隐私节点的度最小且唯一，则进行边的添加，选择添加的边必须保证节点的度数相同的节点个数大于2，从给定的候选集中随机的选取一个节点，使用局部随机化方法使该子社区满足隐私安全要求；/n步骤6.对于子社区之间的隐私泄露，调整边介数被删除的概率，使其概率增大，从有隐私泄露节点的子社区候选集中选取节点，进行随机化操作；对于子社区间的隐私泄露，不考虑隐私泄露的节点度数最小，因为边介数连接两个社区，在任意两个子社区中边介数相连的节点基本上不会有节点的度最小值且唯一，故不做考虑；首先每条边有相同的概率被删除，对于有隐私泄露的边介数的节点，通过调整其被删除的概率：p+(1-p)*p，增大其被删除的概率，然后在有隐私泄露的子社区候选集中使用随机化操作，等概率的选取一个节点，使其满足隐私要求，使得原始社会网络图中的结构得到了更好的保护。/n