[发明专利]基于图基元的社会网络数据隐私保护方法

说明书

本发明公开一种基于图基元的社会网络数据隐私保护方法，其在初始化数据后，将原始无权图转换为加权图，将图节点的度数降序排列并对其进行K度匿名算法，得到降序的匿名度序列；将匿名度序列与原始度序列作差，根据差值分类要进行边修改的节点并组合成候选集；根据相应的选取标准修改直到满足匿名要求；发布匿名后的社会网络数据。本发明在发布网络数据时，保证匿名要求的同时，很好的保留了网络中的图基元结构，有利于数据分析者对相关数据的分析。

技术领域

本发明涉及数据隐私保护技术领域，具体涉及一种基于图基元的社会网络数据隐私保护方法。

背景技术

近年来，社会网络变得越来越流行，以至于越来越多的人开始使用在线社会网络去和朋友、家人、同事交流。正是由于很多人通过社会网络去分享一些个人的信息，所以社会网络成为很多领域进行研究和挖掘的重要数据来源。数据中嵌入了很多用户的私人信息，所以数据拥有者在把数据发布出来的时候应该避免用户的一些私人敏感信息泄露，因此，匿名处理变得尤为重要。

目前，人们对社会网络分析只通过在网络图中捕获低阶结构(节点和边)来实现。然而，在一些网络中也包含很多小的网络子图(称为motif或者图基元)，称它们为高阶结构，这些图基元包含很多信息，为数据挖掘者提供一个新的方向。图基元有很多应用，例如在研究交通网络，这些图基元就会被视为一个基本单位，用于考量交通可达性；在医学方面的基因转录，应用这种图基元识别网络中的不同功能模块(耐药性等)来更好的研究药物；生物界的食物链网络中，划分能量层次流。由3个节点组成的图基元，像三角形，它在社交网络中可能会表示一种关系，像“朋友的朋友是朋友”或者“敌人的敌人是朋友”等。由于在社交网络中图基元被视为一种紧密相连的关系，因此在进行匿名处理的同时，应尽可能的保护这种图基元结构。

传统简单匿名的隐私保护技术已经不足以保护用户的隐私，为了更好的保护社会网络中数据的隐私，现在比较流行的匿名技术有：节点K-匿名，即每个节点至少与K-1个其他节点不可区分，那么每个节点被成功识别的概率就不超过1/K；K度匿名，即假设攻击者知道所有节点的度(边)信息，匿名之后至少有K-1个节点不可区分。还有其他的匿名方法，例如随机化、差分隐私等。但在当今社会网络的隐私保护研究中，更多的注重了隐私问题，而忽略了发布数据的可用性，因为在现实生活中，对于社会网络数据发布的挖掘与分析关乎社会科学很多方向的发展，例如生物、医学等。所以改进现有的匿名方法是有必要的。

发明内容

本发明所要解决的是现有的隐私保护方法在匿名处理社会网络时只考虑保护网络中的一些低阶的组织结构的问题，提供一种基于图基元的社会网络数据隐私保护方法，其在发布社会网络数据时，保证匿名要求的同时，更好的保护网络中的高阶结构(图基元)，有利于数据分析者更好的利用。

为解决上述问题，本发明是通过以下技术方案实现的：

基于图基元的社会网络数据隐私保护方法，具体包括步骤如下：

步骤1、将原始图的每条边所参与的图基元的个数作为该边的权重，将原始图转换成加权图；

步骤2、对加权图的原始度序列应用K-度匿名算法，得到满足K匿名的匿名度序列；

步骤3、将匿名度序列中节点的度减去原始度序列中对应节点的度，并根据每个节点度的差值对节点进行分类，将差值大于零的节点放在增加度节点集合VS+中，将差值小于零的节点放在减小度节点集合VS-中，对差值等于零的节点不做处理；

步骤4、判断匿名序列中所有节点的度数总和与原始序列中所有节点的度数总和是否相等；

如果匿名序列的度数总和大于原始序列的度数总和，则转至步骤5进行边插入操作；

如果匿名序列的度数总和小于原始序列的度数总和，则转至步骤6进行边删除操作；

如果匿名序列的度数总和等于原始序列的度数总和，则转至步骤7进行边转换操作；