[发明专利]图数据发布隐私保护的聚类匿名方法及系统

说明书

本发明公开了图数据发布隐私保护的聚类匿名方法及系统，以图数据群体内每个用户为一个节点，获取每个节点的用户属性和用户间相互关系，并以此计算每个节点及其相邻节点间的属性相似度和结构相似度，再根据计算结果对群体内的节点依次进行属性聚类划分和结构聚类划分，得到若干个聚类，根据划分得到的聚类对每个聚类内的节点进行匿名处理。本发明将聚类分析技术应用于图数据发布的隐私保护中，首先计算节点间的结构相似度和属性相似度，依次进行图属性聚类划分和图结构聚类划分，最后对各个聚类进行匿名处理，能够同时保护用户的属性信息和结构信息，防止一切以连接边和属性值为背景知识的攻击，从而保障社交网络图数据发布的隐私安全。

技术领域

本发明涉及信息技术和数据挖掘的技术领域，尤其涉及图数据发布隐私保护的聚类匿名方法及系统。

背景技术

当前，如何对图数据发布形式的隐私进行保护是研究话题之一。在社交网络图中，个体节点或边蕴含的隐私信息可能因遭受到恶意盗取而泄露。隐私保护技术通常来说不能够对攻击者所能获得的数据背景知识做定义，因此在处理复杂多变的攻击模型中，随着攻击者掌握背景知识的增加，往往会生成很多攻击变体。攻击者通过将用户的出生日期、性别、邮编等准标识符数据进行组合，常常能推断并锁定特定个体，进而获取该个体其他重要的隐私信息。隐私保护算法在通用性上的限制，使数据管理者不得不针对个性化的攻击模式设计出新的隐私保护算法。

聚类分析是对于统计数据分析的一门技术，在许多领域受到广泛应用，包括机器学习，数据挖掘，模式识别，图像分析以及生物信息。聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集，这样让在同一个子集中的成员对象都有相似的一些属性。

如果能够将聚类分析技术应用于对图数据形式发布的隐私进行保护，则可以一定程度上改善社交网络中个性化隐私保护不足的问题。

发明内容

为了克服现有技术的不足，本发明的目的在于提供图数据发布隐私保护的聚类匿名方法及系统，旨在将聚类分析技术应用于对图数据形式发布的隐私进行保护，解决目前社交网络中个性化隐私保护不足的问题。

本发明的目的采用以下技术方案实现：

一种图数据发布隐私保护的聚类匿名方法，包括：

获取步骤，以图数据群体内每个用户为一个节点，获取每个节点的用户属性和用户间相互关系；

计算步骤，计算每个节点及其相邻节点间的属性相似度和结构相似度；所述属性相似度由两个相邻节点的用户属性决定，所述结构相似度由两个相邻节点的用户间相互关系决定；

聚类步骤，根据每个节点及其相邻节点间的属性相似度和结构相似度，对群体内的节点依次进行属性聚类划分和结构聚类划分，得到若干个聚类；

匿名步骤，根据划分得到的聚类对每个聚类内的节点进行匿名处理。

在上述实施例的基础上，优选的，所述聚类步骤，具体为：

根据每个节点及其相邻节点间的属性相似度，对群体内的节点进行属性聚类划分，得到若干个属性聚类；根据每个属性聚类中每个节点及其相邻节点间的结构相似度，对属性聚类内的节点进行结构聚类划分，得到若干个结构聚类；

所述匿名步骤，具体为：

根据划分得到的属性聚类和结构聚类对每个聚类内的节点进行匿名处理。

在上述任意实施例的基础上，优选的，还包括：

调用步骤，在图数据的某一节点被调用时，返回匿名处理后的结果。

在上述任意实施例的基础上，优选的，所述用户属性包括身份信息、家庭信息、职业信息、爱好信息、信用信息中的一种或多种。