基于动态社会网络数据发布的个性化隐私保护

针对动态社会网络数据发布中用户的个性化隐私保护要求L和所属社区属性C并没有得到足够重视的问题，提出了一种基于动态社会网络数据发布的个性化隐私保护方法。将社会网络中的隐私保护级别分为3个等级：不需保护L=0、防止度攻击L=1和防止领域子图攻击L=2。对于L≠0的节点集，通过k 分组和(k,△d)方法对节点进行匿名，其中k 分组满足社区属性C的k 多样性；对L=2的节点集，进行k 领域子图匿名。理论分析和实验表明：攻击者不能以大于1/k的概率识别出某节点，且不能以大于u的概率推出两节点之间存在敏感边。该方法能够满足社会网络中各用户对隐私保护的要求，对于同一隐私保护程度降低了社会网络图的信息损失。