发布具有差分隐私保证且保持社区结构的属性社交图
社会与信息网络
2020-09-15 v1 密码学与安全
物理与社会
摘要
我们提出了一种发布差分隐私合成属性图的新方法。与先前的方法不同，我们的方法能够在保持原始图社区结构的同时，不牺牲捕捉全局结构性质的能力。我们的方案依赖于 C-AGM，一种用于属性图的新型社区保持生成模型。我们为 C-AGM 配备了属性图采样与参数估计的高效方法。对于后者，我们引入了差分隐私计算方法，使得我们能够发布保持社区结构的合成属性社交图，并带有强形式化隐私保证。通过综合实验，我们表明，在合成保持原始图社区结构以及度序列和聚类系数的差分隐私属性社交图方面，我们的新模型优于最相关的同类方法。
引用
@article{arxiv.1909.00280,
title = {Publishing Community-Preserving Attributed Social Graphs with a Differential Privacy Guarantee},
author = {Xihui Chen and Sjouke Mauw and Yunior Ramírez-Cruz},
journal= {arXiv preprint arXiv:1909.00280},
year = {2020}
}