[发明专利]一种隐私保护的分布式图数据特征分解方法及系统

说明书

本发明公开了一种隐私保护的分布式图数据特征分解方法及系统，本发明提供的方法中，被随机采样的持有局部图数据的图节点，加密自身的度信息，并发送给第一计算终端和第二计算终端，第一计算终端和第二计算终端协同地在密文域计算生成第一加密度分布信息和第二加密度分布信息，可以使得图节点确定自身的度所属的目标区间，进而选择合适的采样敏感度采样噪声，在真实的图邻接矩阵中添加权值为0虚假的边，矩阵三元组的形式实现了矩阵的稀疏表示，对添加了虚假的边的三元组集合进行加密并将密文分别发送给第一计算终端和第二计算终端以进行加密的特征分解，实现了在保护节点隐私的前提下，保留图数据的稀疏性并且保证了特征分解的有效性。

技术领域

本发明涉及信息安全技术领域，特别涉及一种隐私保护的分布式图数据特征分解方法及系统。

背景技术

图(Graph)数据可以描述实体之间复杂的相互关系，在信息丰富的图数据上可以进行各种各样的分析任务，当图数据以分布式的形式出现时，图上的分析任务会变得更加具有挑战性。所谓的分布式的形式是指每个实体仅能获取关于整个图的部分数据(命名为局部图数据)。例如，在电话簿网络中，每个用户是一个图节点，每个用户的电话簿表示了该用户与其他用户之间的联系(即图数据中的边)。显然，若将电话簿网络建模成一个图，没有实体可以直接获取整张图的信息，相反，每个用户仅能了解一部分连接关系(即自己的电话簿包含的联系人信息)。

收集这类分布式的图数据进行图任务分析会引起极大的隐私担忧(例如不会有人乐意将自己的电话簿共享出去)。因此，如果每个用户拥有的局部图数据得不到保护，他们可能不愿意参与到这种图任务的分析中。所以，有必要在这类分布式图数据上进行的任务分析中引入隐私保护机制，以至于有价值的图分析任务可以在不损害每个用户敏感且隐私的局部图数据的情况下进行。

图分析任务中，特征分解是一个非常热门的的基本任务。基于图数据的特征分解作用于图数据的邻接矩阵，产生特征值和特征向量，可以为各种各样的图分析任务提供基础信息，例如社区结构侦测、社区重要成员发现、图划分以及网页排序等，但是目前还没有在分布式图数据上实现隐私保护的特征分解方案。

因此，现有技术还有待改进和提高。

发明内容

针对现有技术的上述缺陷，本发明提供一种隐私保护的分布式图数据特征分解方法及系统，旨在解决现有技术中没有在分布式图数据上实现隐私保护的特征分解方案的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

本发明的第一方面，提供一种隐私保护的分布式图数据特征分解方法，所述方法包括：

全局图中的目标图节点根据本地局部图数据生成初始集合，所述初始集合中包括多组三元组，每组三元组中包括所述目标图节点的节点标记、所述目标图节点的一个相邻图节点的节点标记、以及所述目标图节点和所述相邻图节点的连接边的权重；

所述目标图节点基于函数秘密共享对所述目标图节点的度进行加密，得到第一加密度信息和第二加密度信息，将所述第一加密度信息发送给第一计算终端，将所述第二加密度信息发送给所述第二计算终端；

所述第一计算终端和所述第二计算终端根据多个所述目标图节点发送的所述第一加密度信息和所述第二加密度信息生成全局图数据的第一加密度分布信息和第二加密度分布信息；

所述目标图节点根据接收到的所述第一加密度分布信息和所述第二加密度分布信息确定所述目标图节点的度所属的目标区间，根据所述目标区间的边界信息确定目标采样敏感度，根据所述目标采样敏感度从拉普拉斯分布中采样噪声，根据所述噪声在所述目标结合中添加虚假三元组，生成目标集合，所述虚假三元组中的权重值为0；

所述目标图节点基于加性秘密共享对所述目标集合进行加密，得到第一加密集合和第二加密集合，将所述第一加密集合发送给第一计算终端，将所述第二加密集合发送给第二计算终端；