防止路径攻击的加权社会网络匿名化技术

TP391; 随着社会网络的普及，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。由于隐私信息异常广泛，攻击者可以利用多种背景知识进行隐私攻击。现有的隐私保护技术，大多针对简单社会网络，并不适用于加权社会网络。对加权社会网络中的路径隐私泄露问题进行了研究，针对最短路径识别提出了加权图k-可能路径匿名（k-possible path anonymity，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，设计了一种基于权重泛化的匿名方法来实现KPPA算法。通过在真实数据集上的大量测试研究，证明了KPPA算法对于加权图路径隐私保护的有效性，同时基于KPPA...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 no. 11; pp. 961 - 972
Main Authors 陈可, 刘向宇, 王斌, 张弘毅, 杨晓春
Format Journal Article
LanguageChinese
Published 东北大学 信息科学与工程学院,沈阳,110819%武汉大学 国际软件学院,武汉,430079 2013
Subjects
权重泛化
path privacy
最短路径
路径隐私
weighted social networks
weight generalization
加权社会网络
shortest path
Online AccessGet full text

Cover

More Information
Summary:TP391; 随着社会网络的普及，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。由于隐私信息异常广泛，攻击者可以利用多种背景知识进行隐私攻击。现有的隐私保护技术，大多针对简单社会网络，并不适用于加权社会网络。对加权社会网络中的路径隐私泄露问题进行了研究，针对最短路径识别提出了加权图k-可能路径匿名（k-possible path anonymity，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，设计了一种基于权重泛化的匿名方法来实现KPPA算法。通过在真实数据集上的大量测试研究，证明了KPPA算法对于加权图路径隐私保护的有效性，同时基于KPPA算法可以保留原图结构性质，提高权重信息的可用性。
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1305051