您当前的位置: 首页 > 论文 > 优先出版
DOI:
10.16355/j.tyut.1007-9432.2023BD001
摘要:
针对于现有本地化差分隐私社交网络图生成算法中直接扰动邻居列表的方法会导致引入过多噪声且隐私保护程度不均衡的问题,提出了一种满足个性化的本地差分隐私社交网络图生成方法(GPDP)。首先,使用传统的社区发现算法Louvain 对原始社交网络图进行划分,保留社区信息;其次对于划分后的社区根据其社区内部平均权重度比值作为新的隐私预算参数分配给每个节点;然后每个节点根据新的隐私预算各自扰动其邻居列表,同时利用随机邻接位向量(RABV)方法降低通讯成本;最后合并邻居列表形成生成图。通过在真实数据集上的实验结果表明该算法在发布合成图数据时保证了数据隐私性和可用性的均衡,同时保留了更多的社区结构信息。
关键字:
个性化差分隐私;社交网络;隐私保护;合成图生成