kt-安全性：基于 k-匿名与 t-贴近性的图发布（技术报告）
数据库
2022-11-01 v1
摘要
在广泛的现实应用中，分析和挖掘社交网络、通信网络、引文网络等图数据非常重要。然而，此类图数据的发布常引发隐私问题，图隐私保护近来引起了数据库界的广泛关注。已有图隐私保护工作主要侧重于仅保护图结构或仅保护顶点属性的隐私，本文中我们提出一种新颖的图隐私保护机制，同时考虑来自图结构和顶点属性的攻击，通过 k-匿名和 t-贴近性将原始图转换为所谓的 kt-安全图。我们证明生成 kt-安全图是 NP-难的，因此提出一个可行框架以低匿名化代价有效且高效地匿名化图。特别地，我们设计了一种基于代价模型的图划分方法以实现所提出的图匿名化分治策略，并提出剪枝方法和树概要等有效优化技术以提升大规模图上的匿名化效率。我们进行了大量实验，在真实与合成数据集上验证了所提 kt-安全图生成方法的效率与有效性。
引用
@article{arxiv.2210.17479,
title = {kt-Safety: Graph Release via k-Anonymity and t-Closeness (Technical Report)},
author = {Weilong Ren and Kambiz Ghazinour and Xiang Lian},
journal= {arXiv preprint arXiv:2210.17479},
year = {2022}
}
备注
22 pages, 31 figures, the technical report of a TKDE paper entitled "kt-Safety: Graph Release via k-Anonymity and t-Closeness"