关于社交图的 $(k,\ell)$-多集匿名性度量

社交图的发布必须伴随对社交图用户隐私威胁的严格分析。当威胁源自社交网络内部时，称为主动攻击。抵御此类攻击的事实隐私度量是 $(k,\ell)$-匿名。在原始的 $(k,\ell)$-匿名性表述中，攻击者的知识表示为到攻击者节点集合距离的向量。在本文中，我们认为当针对主动攻击时，这种攻击者过于强大。我们提出了新的表述，其中攻击者的知识是到攻击者节点集合距离的多集。本文旨在从图论角度研究 $(k,\ell)$-多集匿名性，同时在一手中建立其与 $(k,\ell)$-匿名性的关系，在二手中考虑 $k$-多集抗解决集作为其理论框架。也就是说，我们证明了一些图族的性质，关于它们是否包含能够破坏 $(k,\ell)$-多集匿名性的攻击者节点集合。从实用角度看，我们开发了 $k$-多集抗解决集的线性规划表述，允许我们计算社交图抵御主动攻击的抵抗力。这对希望了解图提供的隐私水平的分析师有用。