[发明专利]一种维持结构相似度的敏感社交网络匿名方法

说明书

一种维持结构相似度的敏感社交网络匿名方法，其特征在于，包括以下步骤：步骤1，计算社交网络G中不同结点之间的相似度函数，并基于不同结点之间的修调边操作构建相似度损失矩阵；步骤2，选取相似度损失最大的k个结点作为种子结点，并基于所述种子结点为所述社交网络G中的非种子结点分组；步骤3，对所述社交网络中的每一分组进行修调边操作，以使得所述每一分组中的结点度数符合匿名变化方向。基于本发明中的方法，能够使得社交网络满足k‑度匿名，便于在实现结点信息隐私保护的基础上同时维护结点结构相似度的可用性。

技术领域

本发明涉及数据处理领域，更具体地，涉及一种维持结构相似度的敏感社交网络匿名方法。

背景技术

目前，结点相似度作为社交网络中的重要特征，已经被广泛应用于复杂网络的结点分类，网络链路预测等具体研究中。然而，结点相似度特征的泄露也会导致用户在社交网络中直接发布消息的过程，泄露个人身份，从而导致隐私风险。

现有技术中，基于k-度匿名模型，可以实现社交网络中的用户匿名。同时，还可以根据社交网络图谱的拓扑结构损失来评估匿名效果，或者通过匿名操作造成的边数量变化来度量可用性损失。然而，现有方法中虽然能够很好地维护社交网络图谱中的拓扑结构，却无法对结点结构相似度的可用性进行很好的维护。

针对上述问题，亟需一种能够在实现社交网络k-度匿名方法的同时，维护结点结构相似度的可用性。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种维持结构相似度的敏感社交网络匿名方法，通过计算结构相似度对结点进行分组处理，并在分组后对社交网络进行移边操作从而使得社交网络满足k-度匿名，以便于在实现结点信息隐私保护的基础上维护结点结构相似度的可用性。

本发明采用如下的技术方案。一种维持结构相似度的敏感社交网络匿名方法，包括以下步骤：步骤1，计算社交网络G中不同结点之间的相似度函数，并基于不同结点之间的修调边操作构建相似度损失矩阵；步骤2，选取相似度损失最大的k个结点作为种子结点，并基于种子结点为社交网络G中的非种子结点分组；步骤3，对社交网络中的每一分组进行修调边操作，以使得每一分组中的结点度数符合匿名变化方向。

优选地，步骤1中还包括：社交网络G中不同结点之间的相似度函数为任意两个结点A,B之间的结构相似度函数SimS(A,B)；并且，结构相似度函数为其中W()为当前结点与其相邻结点之间构成的结点集合。

优选地，步骤1中还包括：基于计算出的社交网络G中不同结点之间的相似度函数，构建出社交网络相似度函数矩阵。

优选地，步骤1中还包括：不同结点之间的修调边操作包括增加边操作、移动边操作和转换边操作。

优选地，步骤1中还包括：基于不同结点之间的修调边操作构建的相似度损失矩阵为：基于增加边操作构建的ADD矩阵，基于移动边操作构建的MOVE矩阵和基于转换边操作构建的SWITCH矩阵。

优选地，步骤2中还包括：ADD矩阵是基于增加边操作后计算出的社交网络G中各个结点之间的相似度函数构建的，MOVE矩阵是基于移动边操作后计算出的社交网络G中各个结点之间的相似度函数构建的，SWITCH矩阵是基于转换边操作后计算出的社交网络G中各个结点之间的相似度函数构建的。

优选地，步骤2中还包括：社交网络G中任意结点A的相似度损失为与当前结点A相邻的任意两个结点之间的相似度损失之和，且Cost A＝∑_n≤N Cost(A,n)；其中，n为与结点A相邻的任意结点，N为社交网络G中的结点个数。