度量空间中微数据的图论链接攻击

某些分析方法需要知道存储在微数据表中的实体之间的空间距离。例如，此类知识对于执行最近邻搜索或聚类等数据挖掘任务是必要且充分的。然而，当为了研究目的除了微数据外还发布记录间距离时，必须再次考虑身份披露的风险。为了解决这个问题，我们引入了一个用于度量空间中微数据的灵活图模型，并基于对数据窥探者背景知识的现实假设提出了一种链接攻击。该攻击基于寻找两个顶点标记且边加权图的最大近似公共子图的思想。通过将算法图论中的标准论证适配到我们的设置，该任务被转换为相应积图中的最大团检测问题。使用玩具示例和在模拟数据上的实验结果表明，即使发布近似距离也可能不合理地增加身份披露的风险。