一种社会网络隐私保护的方法、系统及设备技术方案

本申请公开了一种社会网络隐私保护的方法，包括：接收输入的原始社交网络图；利用预设标签传播算法对原始社交网络图中各节点进行社区划分，得到各社区子图；利用子图重构算法对各社区子图进行重构，完成各社区子图的K度匿名化，以实现原始社交网络图的隐私保护。本申请所提供的技术方案增强了算法的稳定性，提升了社区划分的效果，降低了标签选择随机性对标签传播效率和结果的影响，并在保护社交网络网格结构稳定的前提下，最小程度地修改图结构实现k度匿名，令发布的社交网络数据具有较好的可用性本申请同时还提供了一种社会网络隐私保护的系统、设备及计算机可读存储介质，具有上述有益效果。

A Method, System and Equipment for Social Network Privacy Protection

This application discloses a method for privacy protection of social networks, including: receiving the input of the original social network graph; dividing the nodes of the original social network graph into communities by using preset label propagation algorithm, and obtaining the sub-graphs of communities; reconstructing the sub-graphs of communities by using the sub-graph reconstruction algorithm, and completing K-degree anonymity of the sub-graphs of communities, so as to realize the original social network graph. Privacy protection. The technical scheme provided in this application enhances the stability of the algorithm, improves the effect of community partitioning, reduces the impact of randomness of label selection on the efficiency and results of label propagation, and on the premise of protecting the stability of the social network grid structure, minimizes the modification of the graph structure to achieve k-degree anonymity, so that the published social network data has better usability. It provides a system, device and computer readable storage medium for privacy protection of social network, which has the above beneficial effects.

【技术实现步骤摘要】
一种社会网络隐私保护的方法、系统及设备
本申请涉及隐私保护领域，特别涉及一种社会网络隐私保护的方法、系统、设备及计算机可读存储介质。
技术介绍
社交网络属于复杂网络的研究范畴，关注的是社交个体及个体间的互动和联系，通常被建模为图数据来实现隐私保护。攻击者常利用拥有的关于目标个体的背景知识(如节点的度、标识属性、节点间的连接关系、邻域和嵌入子图等)来推断个体隐私信息。社会网络所包含的2类重要隐私信息(节点属性数据和连接关系数据)极易遭受节点度攻击、链接攻击等结构化攻击。而针对关系数据的隐私保护则是亟待人们深入探索的研究热点，通常被建模为图数据并采用数值扰乱法或图修改法如随机增加、删除节点或边，以及修改边权重值来实现隐私保护。总体上看，现有的社会网络隐私保护方法大多基于如何实现各种匿名化模型如节点k-匿名、子图k-匿名，k度匿名等。实现匿名化模型的主要途径有基于聚类的方法和基于图修改的方法。然而，基于聚类的匿名模型由于泛化后存在严重的信息损失问题，导致网络结构发生巨大变化，数据效用急剧降低。而针对图数据修改或转化的匿名化方法大多都采用添加、删除节点或边以及子图同构等扰动方式实现k-度匿名，但这种图随机修改策略忽略了社交网络内在结构特性，仍无法克服较大的信息损失问题。因此，如何降低社会网络隐私保护过程中的信息损失是本领域技术人员目前需要解决的技术问题。
技术实现思路
本申请的目的是提供一种社会网络隐私保护的方法、系统、设备及计算机可读存储介质，用于降低社会网络隐私保护过程中的信息损失。为解决上述技术问题，本申请提供一种社会网络隐私保护的方法，该方法包括：接收输入的原始社交网络图；利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图；利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，以实现所述原始社交网络图的隐私保护。可选的，所述利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图，包括：为所述原始社交网络图中各所述节点分别分配唯一标签值；计算各所述节点的权重值，并将各所述节点按权重值降序顺序进行排列，得到初始序列；按照所述初始序列依次对各所述节点的唯一标签值进行初次更新；其中，所述初次更新为将当前节点的唯一标签值更新为权重值最大的邻居节点的唯一标签值；按照所述初始序列依次对初次更新后的各所述节点的唯一标签值进行标签迭代更新，直至各所述节点的唯一标签值不再变化；其中，所述标签迭代更新为将当前节点的唯一标签值更新为各邻居节点的唯一标签值中出现数目最多的唯一标签值；将所述唯一标签值相同的节点划分至同一社区，得到各所述社区子图。可选的，所述计算各所述节点的权重值，包括：根据公式计算各所述节点基于度的权重指标；根据公式计算各所述节点的节点介数；根据公式I＝eI0+I1+I2计算各所述节点的权重值；其中，I1为各所述节点基于度的权重指标，ki为节点i的度，N为所述原始社交网络图中节点的总数，I2为各所述节点的节点介数，σst为从节点s到节点t的最短路径的总数，σst(i)为从节点s到节点t且经过节点i的最短路径的数目，I为各所述节点的权重值，I0为各所述节点的基础权重值。可选的，所述利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，包括：根据公式计算当前社区子图各节点的节点重识概率；确定时的移边数目m；对所述当前社区子图随机删除m条边，并随机增加m条边，以实现对所述当前社区子图的k度匿名；其中，conf({ki}→i)为所述当前社区子图各节点的节点重识概率，Z为经过移动m条边后节点i的边数，D为所述节点i的度数为ki的事件，P(Z＝ki|D)为经过移动m条边后，所述节点i度数仍然为ki的概率；X为节点u的度数，C为所述节点u的度数为du的事件，P(X＝ki|C)为经过移动m条边后除所述节点i外其他节点的度数变为ki的概率，k为匿名程度。本申请还提供一种社会网络隐私保护的系统，该系统包括：接收模块，用于接收输入的原始社交网络图；社区划分模块，用于利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图；K度匿名模块，用于利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，以实现所述原始社交网络图的隐私保护。可选的，所述社区划分模块包括：标签分配子模块，用于为所述原始社交网络图中各所述节点分别分配唯一标签值；权重值计算子模块，用于计算各所述节点的权重值，并将各所述节点按权重值降序顺序进行排列，得到初始序列；初次更新子模块，用于按照所述初始序列依次对各所述节点的唯一标签值进行初次更新；其中，所述初次更新为将当前节点的唯一标签值更新为权重值最大的邻居节点的唯一标签值；标签迭代更新子模块，用于按照所述初始序列依次对初次更新后的各所述节点的唯一标签值进行标签迭代更新，直至各所述节点的唯一标签值不再变化；其中，所述标签迭代更新为将当前节点的唯一标签值更新为各邻居节点的唯一标签值中出现数目最多的唯一标签值；划分子模块，用于将所述唯一标签值相同的节点划分至同一社区，得到各所述社区子图。可选的，所述权重值计算子模块包括：第一计算单元，用于根据公式计算各所述节点基于度的权重指标；第二计算单元，用于根据公式计算各所述节点的节点介数；第三计算单元，用于根据公式I＝eI0+I1+I2计算各所述节点的权重值；其中，I1为各所述节点基于度的权重指标，ki为节点i的度，N为所述原始社交网络图中节点的总数，I2为各所述节点的节点介数，σst为从节点s到节点t的最短路径的总数，σst(i)为从节点s到节点t且经过节点i的最短路径的数目，I为各所述节点的权重值，I0为各所述节点的基础权重值。可选的，所述K度匿名模块包括：概率计算子模块，用于根据公式计算当前社区子图各节点的节点重识概率；确定子模块，用于确定时的移边数目m；k度匿名子模块，用于对所述当前社区子图随机删除m条边，并随机增加m条边，以实现对所述当前社区子图的k度匿名；其中，conf({ki}—→i)为所述当前社区子图各节点的节点重识概率，Z为经过移动m条边后节点i的边数，D为所述节点i的度数为ki的事件，P(Z＝ki|D)为经过移动m条边后，所述节点i度数仍然为ki的概率；X为节点u的度数，C为所述节点u的度数为du的事件，P(X＝ki|C)为经过移动m条边后除所述节点i外其他节点的度数变为ki的概率，k为匿名程度。本申请还提供一种社会网络隐私保护设备，该社会网络隐私保护设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述任一项所述社会网络隐私保护的方法的步骤。本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述社会网络隐私保护的方法的步骤。本申请所提供社会网络隐私保护的方法，包括：接收输入的原始社交网络图；利用预设标签传播算法对原始社交网络图中各节点进行社区划分，得到各社区子图；利用子图重构算法对各社区子图进行重构，完成各社区子图的K度匿名化，以实现原始社交网络图的隐私保护。本申请所提供的技术方案，通过利用预设标签传播算法对接收到的原始社交网络图中各节本文档来自技高网...

【技术保护点】
1.一种社会网络隐私保护的方法，其特征在于，包括：接收输入的原始社交网络图；利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图；利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，以实现所述原始社交网络图的隐私保护。

【技术特征摘要】
1.一种社会网络隐私保护的方法，其特征在于，包括：接收输入的原始社交网络图；利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图；利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，以实现所述原始社交网络图的隐私保护。2.根据权利要求1所述的方法，其特征在于，所述利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图，包括：为所述原始社交网络图中各所述节点分别分配唯一标签值；计算各所述节点的权重值，并将各所述节点按权重值降序顺序进行排列，得到初始序列；按照所述初始序列依次对各所述节点的唯一标签值进行初次更新；其中，所述初次更新为将当前节点的唯一标签值更新为权重值最大的邻居节点的唯一标签值；按照所述初始序列依次对初次更新后的各所述节点的唯一标签值进行标签迭代更新，直至各所述节点的唯一标签值不再变化；其中，所述标签迭代更新为将当前节点的唯一标签值更新为各邻居节点的唯一标签值中出现数目最多的唯一标签值；将所述唯一标签值相同的节点划分至同一社区，得到各所述社区子图。3.根据权利要求2所述的方法，其特征在于，所述计算各所述节点的权重值，包括：根据公式计算各所述节点基于度的权重指标；根据公式计算各所述节点的节点介数；根据公式计算各所述节点的权重值；其中，I1为各所述节点基于度的权重指标，ki为节点i的度，N为所述原始社交网络图中节点的总数，I2为各所述节点的节点介数，σst为从节点s到节点t的最短路径的总数，σst(i)为从节点s到节点t且经过节点i的最短路径的数目，I为各所述节点的权重值，I0为各所述节点的基础权重值。4.根据权利要求1所述的方法，其特征在于，所述利用子图重构算法对各所述社区子图进行重构，完成各所述社区子图的K度匿名化，包括：根据公式计算当前社区子图各节点的节点重识概率；确定时的移边数目m；对所述当前社区子图随机删除m条边，并随机增加m条边，以实现对所述当前社区子图的k度匿名；其中，conf({ki}→i)为所述当前社区子图各节点的节点重识概率，Z为经过移动m条边后节点i的边数，D为所述节点i的度数为ki的事件，P(Z＝ki|D)为经过移动m条边后，所述节点i度数仍然为ki的概率；X为节点u的度数，C为所述节点u的度数为du的事件，P(X＝ki|C)为经过移动m条边后除所述节点i外其他节点的度数变为ki的概率，k为匿名程度。5.一种社会网络隐私保护的系统，其特征在于，包括：接收模块，用于接收输入的原始社交网络图；社区划分模块，用于利用预设标签传播算法对所述原始社交网络图中各节点进行社区划分，得到各社区子图；K度匿名模块，用于利用子图重构算法对各所述社区...

【专利技术属性】
技术研发人员：欧毓毅，袁静，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44