基于动态ε的社会网络差分隐私保护

作者：刘振鹏; 王烁; 张彬^*; 孙静薇

来源：郑州大学学报(理学版）, 2019, 51(04): 56-62.

DOI：10.13705/j.issn.1671-6841.2018262

• 动态ε
• 差分隐私
• 社会网络
• MCL聚类
• Chameleon算法

针对权重社会网络发布算法中使用全局统一的ε值而导致隐私保护不均衡的问题,提出一种动态ε社会网络差分隐私保护方法.使用马尔可夫聚类(Markov cluster algorithm,MCL)和Chameleon混合聚类把社会网络图划分成若干个簇,根据每个簇中边的权重信息使用ε函数f(x)来确定簇的ε值,对带有大权重边的簇添加较多的服从拉普拉斯分布的噪声,该方法满足ε-差分隐私模型.实验表明,动态ε使每个簇能添加合适的噪声,比全局统一设定ε值有更好的数据效用性.该方法有效解决了权重社会网络中的隐私保护不均衡问题.

• 单位
  河北大学; 电子信息工程学院