社交网络中度匿名化的改进上下界启发式算法
社会与信息网络
2014-02-26 v1 数据结构与算法
摘要
受对社交网络数据匿名化兴趣强烈增长的驱动，我们研究了 NP 难的度匿名化问题：给定一个无向图，任务是添加最少数量的边，使图变为 k-匿名。即，对于每个顶点，必须至少存在 k-1 个其他具有完全相同度数的顶点。度匿名化模型由 Liu 和 Terzi [ACM SIGMOD'08] 引入，他们也提出并评估了一种两阶段启发式算法。我们提出了对该启发式算法的增强，包括为每个阶段设计的新算法，显著改善了先前已知的理论和实际运行时间。此外，我们的算法针对大规模社交网络进行了优化，并为最优解提供了上下界。值得注意的是，在约 26% 的真实世界数据中，我们提供了（可证明的）最优解；而在其他情况下，我们的上界显著优于已知的启发式解。
引用
@article{arxiv.1402.6239,
title = {Improved Upper and Lower Bound Heuristics for Degree Anonymization in Social Networks},
author = {Sepp Hartung and Clemens Hoffmann and André Nichterlein},
journal= {arXiv preprint arXiv:1402.6239},
year = {2014}
}