[发明专利]一种基于知识图谱的隐私保护数据发布风险评估方法

权利要求书

1.一种基于知识图谱的隐私保护数据发布风险评估方法，其特征在于，包括以下步骤：

S1，获取数据申请者的信息并将获取的信息映射为RDF数据集，然后转化为知识图谱中的图数据；

S2，基于知识图谱对数据申请者的基本信息进行检测，完成基本信息风险评估；

S3，基于知识图谱利用异常检测算法对数据申请者进行身份异常检测，完成身份异常风险评估；

S4，基于知识图谱利用社区发现算法对数据申请者团体之间进行社团划分，计算组团欺诈风险，完成数据申请者组团欺诈风险评估；

S5，基于知识图谱利用改进的个性化PageRank算法对数据申请者进行个体信用计算分析，完成数据申请者个体信用风险评估；

S6，结合所有风险评估数据，构建风险模型，按照评估标准对数据申请者进行风险评分，完成数据申请者的综合风险评估；

S7，对综合风险评估的得分采取分层标签化的方法进行处理，汇总得出风险评估结论以及具体的风险项评估结果。

2.根据权利要求1所述的一种基于知识图谱的隐私保护数据发布风险评估方法，其特征在于，所述步骤S1中包含以下子步骤：

S101，根据关系型数据库的逻辑表，生成映射文件；

S102，解析映射文件，获取其中包含的映射元素；

S103，分析映射元素，获取其中的子元素和逻辑表及其属性列的映射规则；

S104，从关系型数据库中获取逻辑表中的元组，按照映射规则将元组中对应属性列映射为RDF术语；

S105，将得到的RDF术语组合为RDF三元组，输出到RDF数据集。

3.根据权利要求1所述的一种基于知识图谱的隐私保护数据发布风险评估方法，其特征在于，所述的步骤S3中的身份异常风险评估包含以下子步骤：

S301，给定一个检测的目标用户其中是该目标用户的第i个属性；

S302，给定一个正常用户集合U＝{u₁,u₂,...,u_m}，将每个正常用户的第k个属性提取出来得到属性集其中表示第j个用户的第k个属性；

S303，从每个正常用户中提取出l个属性，构成一个多用户多属性集Muti_UP＝{P₁,P₂,...,P_l}，然后从待检测目标用户中提取出对应的l个属性，构成一个待检测属性集P^Test＝{p₁,p₂,...,p_l}；

S304，将多用户多属性集Muti_UP映射到一个l维的聚类空间中，然后进行聚类操作，再将待检测属性集P^Test＝{p₁,p₂,...,p_l}映射到该聚类空间，使用异常检测算法，计算异常检测结果，完成身份异常风险评估。

4.根据权利要求1所述的一种基于知识图谱的隐私保护数据发布风险评估方法，其特征在于，所述的步骤S4中的组团欺诈风险评估包含以下子步骤：

S401，给定欺诈用户的样本集其中是一个欺诈用户样本，该欺诈用户样本的属性为其中是该欺诈用户样本的第j个属性；

S402，初始化一个欺诈团体集并将其初始化为空，即

S403，选取欺诈用户m个属性中的l个属性，构成一个属性子集

S404，根据上面的l个属性使用社区发现算法对所有欺诈用户进行分类，将具有相似特征的欺诈用户分为一类，最终得到一个用户分类集U'＝{U₁,U₂,...,U_p}，该集合中的每个元素表示一类欺诈团体；将不同类型的欺诈团体作为一个元素加入欺诈团体集，得到欺诈团体集Group＝{U₁,U₂,...,U_p}，完成组团欺诈风险评估。