[发明专利]基于度匿名与链路扰动的社交网络保护方法

说明书

本发明公开一种基于度匿名与链路扰动的社交网络保护方法，主要解决社交网络中用户的隐私暴露的问题。本发明的步骤为：1、建立社交网络图模型；2、选择关键节点；3、对关键节点集合中的每个节点进行度匿名；4、划分子图；5、扰动每个子图的链路；6、得到扰动后的图对应的社交网络。本发明通过隐匿网络中的关键节点，有效防止攻击者识别出关键节点，进而通过贝叶斯推理推断网络中的链路信息，提高了网络的隐私性。本发明在子图划分的基础上对子图内部的链路进行扰动，有效保持了网络的结构属性，提高了网络的可用性。

技术领域

本发明属于复杂网络技术领域，更进一步涉及复杂网络安全技术领域中的一种基于度匿名与链路扰动的社交网络保护方法。本发明可通过扰动社交网络的结构，在保持社交网络的结构属性的基础上，保护社交网络中链路隐私不被泄露。

背景技术

社交网络是用户之间以一定的社会关系连接的网络，是由用户和用户间社会关系组成的网络拓扑结构，其中每个点代表网络中的用户，边代表网络中的用户关系。伴随着Facebook,Twitter等社交网络的发展，社交网络的研究受到了国内外研究者广泛的关注，有大量的应用利用社交网络中的用户关系来增强其安全性，例如Sybil攻击、匿名通信等。社交网络中通常会包含敏感的用户属性、用户间的关系、网络结构等信息，而这些信息可能会在网络数据发布过程中暴露给攻击者。因此，在公开网络数据之前，如何对网络中的敏感信息进行有效的保护，同时不破坏其结构属性成为目前社交网络研究领域的一个重要课题。目前有很多种方法来保护社交网络的隐私信息。

广西师范大学在其拥有的专利技术“一种优化的社交网络图数据发布隐私保护方法”(申请号CN201310227633.1，申请公布号CN103279713B)中公开了一种基于k-匿名的社交网络保护方法。该方法将社交网络抽象为无向图，并生成度序列；对度序列分组，构造匿名度序列；再对匿名序列进行增加边和节点，使得网络中每个个体至少有其他k个个体属性与其相同，这k个个体的属性不可区分。该方法存在的不足之处是：该方法中k-匿名组内对应的敏感属性值可能会完全相同，使得攻击者可以轻易获取敏感信息，即很容易受到一致性攻击；即使k-匿名组内的敏感属性值并不相同，攻击者也会根据已有的背景知识高概率地获取其隐私信息，即容易受到背景知识的攻击。

Mittal Prateek，Papamanthou Charalampos在其发表的论文“Preserving LinkPrivacy in Social Network Based Systems”(网络与分布式系统安全会议NDSS会议论文,2013)中提出了一种社交网络的保护方法。该方法通过随机游走，根据网络结构对原始网络中的边删除，再添加新边构造新的网络。该方法考虑到随机删除和添加边对网络结构属性的破坏问题，通过结构扰动较好地保护了网络中的链路隐私，并且保证了新网络一定的可用性。该方法存在的不足之处是：没有考虑到节点的安全性，网络中节点的局部邻居容易暴露，攻击者可以很容易地识别出网络中的关键节点，进而通过贝叶斯推理推断出原始网络中的链路信息,破坏网络的隐私，另外，该方法在对社交网络中的链路扰动时，较大程度破坏了网络的社团结构，使得扰动后的网络可用性低。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于度匿名与链路扰动的社交网络保护方法，在隐匿关键节点的基础上，对网络进行社团划分，进一步扰动社团内部的链路，使得扰动后的网络能够达到可用性和隐私性的平衡。

实现本发明目的的思路是，本发明首先使用社交网络构建图模型，对社交网络中的关键节点进行度匿名，保证了社交网络中的关键节点不被攻击者识别，之后对社交网络进行社团划分，对每个社团内部的链路进行扰动，既保证了社交网络中的链路隐私不被泄露，也保证了网络的结构属性不改变，使得扰动后的网络可用性与隐私性大大提高。

为了实现上述目的，本发明的具体步骤包括如下：

(1)建立社交网络图模型：