[发明专利]一种社交网络中行为特征的保护方法

说明书

技术领域

本发明属于社交网络通讯信息领域，具体地说是一种社交网络中行为特征的保护方法。

背景技术

当前，我们处于一个数据大爆炸的时代，随着互联网、数据库以及计算技术的快速发展，越来越多的信息以数字的形式被记录在数据库中，运用数据挖掘技术能够有效的对这些数据进行分析和处理，从中获得具有潜在使用价值的信息。

然而，这些以数据挖掘知识发现为目的的数据在发布过程中往往都伴随着敏感的行为特征信息的泄露，会对人们生活产生负面影响。数据发布者在发布数据信息前需要对数据集进行行为特征的保护处理工作，虽然利用各种隐私保护手段可以保证个人信息不会公布在公开的平台之上，但是个人的一些行为特征仍然可以通过一些相关的背景知识被攻击者推演而获取，如受信任的朋友圈、社交圈等，这就引出了对数据发布过程中个性行为特征保护问题的研究。

现有的一些行为特征保护方法主要分为在数据挖掘中的行为特征保护和数据发布中的行为特征保护问题。这些方法在实现过程主要是通过对数据拥有者进行匿名处理，破坏了与行为特征的关联关系，会遗漏很多重要的信息，同时提高了时间复杂度。

发明内容

本发明为克服现有技术存在的不足之处，提出一种社交网络中行为特征的保护方法，以期能快速、有效、安全地保护社交网络中信息参与者的真实行为特征，从而保护各种隐私数据，提高数据安全性。

本发明为解决技术问题采用如下技术方案：

本发明一种社交网络中行为特征的保护方法，所述社交网络是由n个参与者U＝{u₁,u₂,...,u_i,...,u_n}和所述n个参与者U之间的连接关系组成的网络；u_i表示第i个参与者,1≤i≤n；定义表示目标参与者，定义所述n个参与者U在所述社交网络中的总行为集合为I＝{I₁,I₂,...,I_i,...,I_n}，I_i表示第i个参与者u_i的行为集合；表示目标参与者u的行为集合，其特点是：所述保护方法按如下步骤进行：

步骤一、对所述总行为集合I利用基于K-means和TF-IDF的方法进行聚类分析，获得所述目标参与者u的行为特征集合与所述n个参与者U的总特征类别集合P＝{p₁,p₂,...,p_j,...,p_d}；表示所述行为特征集合中目标特征词语的总数；表示所述目标参与者的行为特征集合中的第个特征词语，p_j表示第j个特征类别，d表示特征类别的总数；1≤j≤d；

步骤二、利用多个总体的马氏距离判别方法获得所述n个参与者U总行为集合I的总特征词语集合W＝{W₁,W₂,...,W_i,...,W_n}中第i个特征词语集合W_i与所述n个参与者U的总特征类别集合P中所有特征类别的平方马氏距离，如果所述第i个特征词语集合W_i与特征类别p_j的平方马氏距离最小，则所述第i个特征词语集合W_i属于第j个特征类别p_j，所述第i个参与者u_i的行为集合I_i属于第j个特征类别p_j，进而获得所述总行为集合I中每个行为集合所属的特征类别；

步骤三、利用余弦相似性计算公式分别计算出所述目标参与者的行为集合与其他参与者的行为集合的余弦值集合；以所述余弦值集合作为相似度集合并进行降序排列后，选取前k个相似度所对应的参与者构成相似者集合U′＝{u′₁,u′₂,...,u′_e,...,u′_k}；并以I′＝{I′₁，I′₂,...,I′_e,...,I′_k}中的每个元素表示所述相似者集合U′中每个相似者所对应的行为集合；I′_e表示所述相似者集合U′中第e个相似者u′_e的行为集合；1≤e≤n-1；