[发明专利]社交网络中基于用户间关系强度的轨迹隐私保护方法

权利要求书

1.社交网络中基于用户间关系强度的轨迹隐私保护方法，其特征在于，包括以下步骤：

1)用户分享原始轨迹及用户的个性化需求，并对轨迹预处理得到待保护轨迹；

2)提取社交网络数据中用户背景属性数据、连接数据及交互数据三个维度的特征数据，并利用公式计算得到特征向量；

由三个维度的特征数据计算出的一对用户i与好友j之间的特征向量其中，每个维度计算过程具体如下：

a、对于由出生年份、性别、发文数、兴趣爱好形成的背景属性数据计算得到的属性相似度的计算公式为：

为的归一化结果，其中计算公式为：

式中，NQA_i表示用户i的非量化属性向量，NQA_j表示好友j的非量化属性向量，性别、兴趣爱好为非量化属性，每个属性值取0，1中一个；QA_i表示用户i的量化属性向量，QA_j表示好友j的量化属性向量，出生年份、发文数为量化属性，每个属性值为其本身实际值，S^-1为QA_i与QA_j间协方差矩阵的逆，T表示转置，α₁与α₂为权重，且α₁+α₂＝1；

b、对于由用户之间的互相关注形成的连接数据计算得到的连接强度ls_ij的计算公式为：

式中，ω_i表示用户i关注的好友，ω_j表示好友j关注的好友，表示关注用户i的粉丝，表示关注好友j的粉丝，为用户i、好友j处于社交网络图中两者之间的所有长度为l的路径集合，β为衰减系数，γ₁与γ₂为权重，且γ₁+γ₂＝1；

c、对于由评论、转发、涉及@形成的交互数据计算得到的交互强度is_ij计算公式为：

式中，m表示用户i的好友数，n表示好友j的好友数，WS_ij为用户i对好友j的交互加权得分，WS_ji表示好友j对用户i的交互加权得分，WS_ik表示用户i对好友k的交互加权得分，WS_jk表示好友j对其好友k的交互加权得分，计算公式为：

其中，N表示交互类型的数量，I表示所有交互的集合，I_t表示第t种交互的集合，表示用户i对好友j之间的第t种交互，表示好友j对用户i之间的第t种交互，表示用户i对好友k之间的第t种交互，表示好友j对好友k之间的第t种交互，H(I)为交互熵，计算公式为：

3)将步骤2)中的特征向量形成的数据经过K-means聚类及BP神经网络计算用户间的关系强度RS；

4)设计一种满足差分隐私的半径限制地理不可分机制，应用于地理位置或轨迹的隐私保护并能保证数据的可用性；

半径限制地理不可分机制是基于已有的地理不可分机制进行公式改进：通过限制半径的最大值以保证数据的可用性，同时依然能保证其满足差分隐私，用于地理位置或轨迹的隐私保护，具体如下：

首先，根据待保护轨迹计算出限制的最大半径r_max，公式为：

式中，n为轨迹的位置点个数，l_o表示轨迹的第o个位置点，d(l_o,l_o+1)表示求两个位置点之间的欧几里得距离，ε为隐私预算；

接着，得到半径限制地理不可分机制的概率密度函数如下：

式中，r是原始位置点与隐私保护后位置点之间的距离，θ是原始位置点与隐私保护后位置点间连线相对于笛卡尔系统水平轴的角度；

为了能够根据原始位置点计算隐私保护后的位置点，为θ生成[0,2π)内均匀分布的随机数，r计算公式为：

式中，W_-1是Lambert W函数的-1分支，q是服从[0,1)中均匀分布的随机变量；

5)将用户与好友之间的关系强度与隐私预算进行映射，对待保护轨迹使用半径限制地理不可分机制及位置聚类进行隐私保护，再将保护后轨迹发送给对应的好友。