一种基于K-自同构的增强型隐私保护方法

摘要

近些年来，互联网、数据存储以及计算机技术的快速发展，使得便捷的收集分析网络信息成为可能，整个过程也更加完整精确。然而，这些以信息共享、数据挖掘与知识发现等为目的的数据发布过程往往都伴随着敏感隐私信息的泄露风险，这就引发了对数据发布过程中隐私保护问题的研究，其主要目标是如何在保证数据可用性的前提下，适当损失原始数据所包含的信息来提高发布数据的安全性，从而达到隐私保护与数据可用性之间的良好平衡。本文立足于加强隐私保护力度的需求，在保证信息可用性的前提下，对数据发布中的隐私匿名技术进行了分析研究。
　　本文首先对基于匿名技术的隐私保护模型进行了深入学习，根据当下的几种经典的匿名模型存在的问题，提出了一种基于k-自同构模型的k-s隐私保护算法。算法的基本思想是首先以选取的频率子图为依据将原始图划分成k-自同构图，此时还有可能存在链接的敏感信息泄露的风险，需要使用链接信息泄露检测算法进行二次检测，通过对一些连接边进行增删操作，达到节点信息和边信息泄露的风险均不超过1/k的效果。此算法相对其他几种匿名模型对原始图结构的改动较小，保护了原始数据的完整性，在取得较好的隐私保护度的同时还使得发布后的数据具有较高的可用性。
　　最后在公开的数据集的基础上进行仿真实验，并在匿名质量、匿名代价、数据信息缺损等方面与其他算法进行对比分析,实验表明该方法可以在满足匿名代价较低的前提下取得良好的隐私保护效果，是一种较为理想的隐私保护方法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状及评述

1.3 论文研究的主要内容

1.4 论文组织结构

第2章 隐私保护的相关理论

2.1 社会网络的相关概念

2.2 社会网络攻击

2.3 隐私保护相关

2.4 隐私保护的评价标准

2.5 本章小结

第3章 基于k-自同构的隐私保护算法

3.1 k-匿名模型介绍

3.2 问题的提出

3.3 k-s隐私保护模型

3.4 k-s匿名图算法

3.5 本章小结

第4章 仿真实验与结果分析

4.1 仿真实验环境

4.2 实验目的和实验说明

4.3 实验结果分析

4.4 本章小结

结论

参考文献

致谢