动态社交网络中基于结构多样性的 隐私保护方案

当前许多隐私保护技术主要针对静态社交网络.然而，由于数据连续发布，动态社交网络也存在隐私泄露问题.为了防范敌人的攻击，引入一种新的动态隐私保护方法，称为动态kw重结构多样性匿名法kw-SDA.该方法通过对个体分组保护，将连续发布数据时结点/社区身份的泄露概率限制为1/k.然后，提出一种可以实现动态kw-SDA算法的可拓展启发式算法.该算法可根据前w-1次发布的数据对图形进行匿名化处理，使图形改动最小化.此外，通过引入CS表，该算法可以逐渐汇总连续数据发布时的结点信息，避免了匿名化处理时扫描发布的所有数据.评估结果表明，该方法既能保护网络的大部分特征，又能有效保护隐私