关于时变与多层社会图的 k-匿名化

在线社交媒体平台的普及为研究现实世界复杂的交互网络提供了前所未有的机会。然而，向研究人员和公众发布这些数据可能会以暴露用户私密和敏感信息为代价。研究表明，仅通过移除节点身份对网络进行朴素匿名化不足以保护用户隐私。为了应对恶意攻击，人们提出了 k-匿名解决方案，以部分模糊可用于推断节点身份的拓扑信息。在本文中，我们研究了在时变图（即结构随时间变化的图）和多层图（即具有多种类型链接的图）中确保 k-匿名性的问题。更具体地说，我们考察了攻击者能够访问节点度数的情况。目标是生成一个新图，使得给定图中每个（时间）层中某节点的度数，该节点在图中与其他 k-1 个节点不可区分。为了实现这一目标，我们寻找图节点的最优划分，使得在每个组内匿名化度数信息的成本最小。我们表明这归结为广义分配问题的一个特例，并提出了一种简单而有效的算法来求解它。最后，我们引入了一种迭代线性规划方法来强制匿名化度数序列的可实现性。通过在合成图和真实世界图上进行大量实验，评估了该方法的有效性。