PSGraph：考虑时间动态的差分隐私流图合成
密码学与安全
2025-06-02 v2
摘要
流图在日常生活中无处不在，例如演化的社交网络和动态通信系统。由于图中包含敏感信息，直接共享流图会带来重大的隐私风险。差分隐私提供了严格的理论保证，已成为私有图数据合成的标准方法。然而，现有方法主要关注静态图发布，忽略了相邻图之间的内在关系，从而在流数据发布场景中性能受限。为了填补这一空白，我们提出了 PSGraph，这是首个融合时间动态的差分隐私流图合成框架。PSGraph 通过分析当前图与前一图相比的变化来自适应调整隐私预算分配机制，以节省隐私预算。此外，PSGraph 跨越各个时间戳聚合信息，并采用关键的后处理技术来增强合成流图。我们在四个真实世界数据集上、在五个常用指标下进行了广泛实验。实验结果证明了我们提出的 PSGraph 的优越性。
引用
@article{arxiv.2412.11369,
title = {PSGraph: Differentially Private Streaming Graph Synthesis by Considering Temporal Dynamics},
author = {Quan Yuan and Zhikun Zhang and Linkang Du and Min Chen and Mingyang Sun and Yunjun Gao and Michael Backes and Shibo He and Jiming Chen},
journal= {arXiv preprint arXiv:2412.11369},
year = {2025}
}