社会网络子集个性化隐私保护策略

摘要

现有的社会网络隐私保护通常是基于所有用户完全一致的隐私保护,忽略了用户之间对隐私保护的需求存在差别.针对这一问题,提出个性化隐私保护框架,根据用户不同隐私保护需求提取部分子集,共设置三种隐私保护级别:首先,简单移除原始图节点标签,并为每个节点设置相应的ID值;其次,为保护节点度信息,提出基于动态规划思想的k-d_sub(k-degree_subset)算法;最后,为防止敏感属性被识别将l-diversity与k-d_sub算法结合,提出k-d_l_sub (k-degree_l_subset)算法,添加最少数量的边,降低匿名成本,并且最大化数据效用.实验证明,提出的个性化隐私保护框架有较高的匿名质量,能有效保护社会网络中用户的隐私.