带标签社会图中节点再识别的多样性、拓扑与风险
社会与信息网络
2020-04-28 v1 物理与社会
摘要
真实网络数据集对理解信息扩散或网络演化等现象具有显著益处。然而，共享真实图数据集（即使已去除用户身份信息）所带来的隐私风险是显著的。当节点具有关联属性时，隐私风险进一步增加。本文通过采用基于机器学习的再识别攻击并探究图拓扑与属性放置之间的相互作用，定量研究了二值节点属性对节点隐私的影响。我们的实验表明，群体在二值属性上的多样性持续削弱匿名性。
引用
@article{arxiv.1808.10837,
title = {Diversity, Topology, and the Risk of Node Re-identification in Labeled Social Graphs},
author = {Sameera Horawalavithana and Clayton Gandy and Juan Arroyo Flores and John Skvoretz and Adriana Iamnitchi},
journal= {arXiv preprint arXiv:1808.10837},
year = {2020}
}