科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了保护用户隐私，社交网络图数据发布前通常对其进行匿名化操作。然而，现有的各种匿名技术不能很好地保护用户隐私并且由于改变太大影响社交网络数据可用性。提出一种满足差分隐私的社交网络图数据发布模型(differential privacy perturbation graph, DPPM)。该模型将一个图的结构信息提取到dK度的相关统计中，将噪声引入到数据集中，并生成一个社交网络图。从理论上证明了该方法满足差分隐私。使用三个真实的社交网络数据集来评估所提方法的有效性。
-
单位贵州财经大学; 贵州大学
