图中关键连接的去中心化隐私保护

许多现实中的实体间相互关联可表述为图结构。近期，收集局部图信息以实现隐私与数据实用性之间的平衡引发广泛关注。本文深入探讨了如何基于一致子图搜索识别并保护图中单个参与者关键信息的连接问题。这一问题在文献中尚未得到探讨。为解决该问题，我们提出从一种称为 $p$-cohesion 的壁垒式一致子图模型中提取查询顶点的关键连接。当被释放的用户在壁垒内的连接被混淆，以保护关于用户的关键信息。设计了衡量每个参与者关键连接的新型价值与惩罚评分函数，以实现对关键连接的有效识别。我们进一步提出仅通过保护其关键连接来响应数据收集者提出的查询，从而保护查询顶点的隐私。我们证明，在去中心化差分隐私 (DDP) 机制下，若关键连接受保护而其余部分保持不变，则其响应满足 $(\varepsilon, \delta)$-DDP。通过大量实验，我们展示了本文提议方法在真实图数据集上的有效性。