消除社交网络在主动攻击下的隐私属性论述中的若干谬误
社会与信息网络
2025-04-25 v1 组合数学
摘要
本文旨在阐明一些关于社交网络在主动攻击情境下完全缺乏隐私属性这一观点的论述。我们关注所谓的社交网络隐私主动攻击，以及用于衡量社交网络在主动攻击下满足程度的配对 (k,ℓ)-匿名性度量标准。为此，我们运用图论中的 k-度量反向导数图概念，其中 k=1 的情况代表在 (k,ℓ)-匿名性度量下实现最差隐私情形的图。作为本次调查的产出，我们提出大量计算结果表明，社交网络或许并不像人们常认为的那样不够安全。特别是，我们开发了大量关于随机图的实验，表明 1-度量反向导数图的数量在可被考虑的全部图中极其稀少。此外，我们在多个真实网络上进行搜索，检查它们是否为 1-度量反向导数图，结果发现其中没有一个符合要求。我们沿途还展示了关于 k-度量反向导数图在任意合适的 k≥1 情况下的数学性质的若干理论研究。此外，我们还描述了一些关于 1-度量反向导数图的操作，这些操作可使其嵌入到另一较大的图中去，以掩盖其在主动攻击下的隐私属性。
引用
@article{arxiv.2504.16944,
title = {Burning some myths on privacy properties of social networks against active attacks},
author = {Serafino Cicerone and Gabriele Di Stefano and Sandi Klavžar and Ismael G. Yero},
journal= {arXiv preprint arXiv:2504.16944},
year = {2025}
}