1
社交网络作为新兴的互联网应用模式受到广泛关注,社交网络中的数据对经济预测、舆情分析等具有重要意义,然而数据中含有大量的个人隐私信息,直接发布会造成用户隐私泄露。如何在发布数据时对用户隐私进行有效保护,已经成为一个重要的研究方向。
数据发布隐私保护的研究内容涉及到保护方法、并行性和动态性等多方面。其中,隐私保护方法包括聚类、数据扰动、泛化、随机化以及推演控制等。并行性体现在海量的社交网络数据分析和处理需要有效的并行算法来实现。同时,现有大多数隐私保护方法只针对单次数据发布进行研究,即数据发布后不再进行任何改变,而社交网络不断发展变化的特性决定了社交网络的动态性,无时无刻不在发生着数据的更新迭代。社交网络的动态性决定了单次数据发布的隐私保护方法(静态隐私保护方法)不能保证动态社交网络的隐私安全。在数据更新迭代过程中,如何进行有效的数据发布隐私保护具有重要的理论意义和实用价值,社交网络中动态数据发布隐私保护方法的研究成为一个重要研究课题。
本文在对社交网络动态数据发布隐私保护方法研究的基础上,着重解决现有方法中攻击者背景知识单一、对社交网络图结构动态变化适应性低等问题,提出基于聚类的动态图发布隐私保护方法。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !