[发明专利]去中心化社交图数据的本地差分隐私保护方法和系统

权利要求书

1.一种去中心化社交图数据的本地差分隐私保护方法，其特征在于，包括分别对用户端社交图中的k-星型子图数量和三角形子图数量进行本地差分隐私保护；

对k-星型子图数量进行本地差分隐私保护包括：

步骤A1，用户端将本地社交图中自身用户节点的节点度加以拉普拉斯噪声，然后将加噪节点度发送给数据策展方；

步骤A2，数据策展方根据所有用户端的加噪节点度，比较得到社交图的节点度上界，并将节点度上界发送给每个用户端；

步骤A3，用户端根据节点度上界对自身的邻居节点列表进行投影处理，计算得到以自身用户节点为中心的k-星型子图数量，并对k-星型子图数量加以拉普拉斯噪声，继而发送给数据策展方；

步骤A4，数据策展方对接收到的所有用户端的k-星型子图数量进行累加，得到社交图中k-星型子图数目；

对三角形子图数据进行本地差分隐私保护包括：

步骤B1，用户端将本地社交图中自身用户节点的节点度加以拉普拉斯噪声，将本地社交图中自身用户节点的邻居节点列表使用随机响应机制进行扰动处理，并将扰动处理后的加噪节点度和加噪邻居节点列表发送给数据策展方；

步骤B2，数据策展方根据所有用户端的加噪节点度，比较得到社交图的节点度上界；数据策展方还根据所有用户端的加噪邻居节点列表生成社交图，并将得到的节点度上界和生成的社交图发送给每个用户端；

步骤B3，用户端根据节点度上界对自身的邻居节点列表进行投影处理，并根据接收到的社交图计算自身节点参与的三角形子图数量tri_count_i，并对三角形子图数量tri_count_i进行无偏修正和添加拉普拉斯噪声，继而发送给数据策展方；

步骤B4，数据策展方对接收到的所有用户端的三角形子图数量进行累加，得到社交图中三角形子图数量。

2.根据权利要求1所述的去中心化社交图数据的本地差分隐私保护方法，其特征在于，用户端根据本地社交图的邻居节点列表n_list_i计算自身用户节点i的节点度，表示为：

其中，j为本地社交图中的用户节点索引，n为本地社交图中的用户节点数量；n_list_i,j为邻居节点列表n_list_i中的元素，表示用户节点i与节点j是否为邻居关系，n_list_i,j＝1表示是邻居关系，n_list_i,j＝0表示非邻居关系；d_i表示用户节点i的节点度。

3.根据权利要求1所述的去中心化社交图数据的本地差分隐私保护方法，其特征在于，步骤A3中所述用户端根据节点度上界对自身的邻居节点列表进行投影处理，计算得到以自身用户节点为中心的k-星型子图数量，具体为：

设步骤A1未加噪之前的节点度为d_i，数据策展方比较得到的节点度上界为则用户端将自身节点未加噪的节点度d_i与节点度上界为比较；

如果用户端从自身用户节点的邻居节点列表中随机选取位邻居作为新的邻居节点列表以将节点度大小减小为即将未加噪之前的节点度d_i更新为

用户端通过下式计算得到以自身用户节点为中心的k-星型子图个数k_star_count_i：

4.根据权利要求1所述的去中心化社交图数据的本地差分隐私保护方法，其特征在于，步骤A1对节点度加以拉普拉斯噪声所分配的隐私预算为ε₁₁，步骤A3对k-星型子图数量加以拉普拉斯噪声所分配的隐私预算为ε₁₂，且满足ε₁₁+ε₁₂＝ε₁，ε₁满足ε₁-LDP；LDP是指本地差分隐私。