PrivGraph：利用社区信息发布差分隐私图数据
密码学与安全
2023-10-16 v2
摘要
图数据被广泛应用于各类场景，而无保护的图数据分析易引发隐私泄露风险。为缓解隐私风险，我们采用差分隐私这一标准技术来发布合成图。然而，现有差分私有图合成方法要么通过直接扰动邻接矩阵引入过多噪声，要么在图编码过程中遭受显著信息损失。本文提出一种高效的图合成算法PrivGraph，利用社区信息。具体而言，PrivGraph以差分隐私方式将私有图划分为社区，提取社区内与社区间信息，并基于提取的图信息重构图。我们在六个真实世界图数据集与七个常用图指标上验证了PrivGraph的有效性。
引用
@article{arxiv.2304.02401,
title = {PrivGraph: Differentially Private Graph Data Publication by Exploiting Community Information},
author = {Quan Yuan and Zhikun Zhang and Linkang Du and Min Chen and Peng Cheng and Mingyang Sun},
journal= {arXiv preprint arXiv:2304.02401},
year = {2023}
}
备注
The extended version of the USENIX Security '23 paper