用于抵御已发布社交网络中社区识别的结构多样性
社会与信息网络
2013-02-14 v1 数据结构与算法
摘要
随着越来越多的社交网络数据出于商业和研究目的被发布与共享，社交网络中个体的隐私问题已成为严重关切。顶点识别基于顶点度等背景知识从网络中识别特定用户，是已被解决的最重要问题之一。然而在现实中，社交网络中的每个个体不仅倾向于关联一个顶点身份，还关联一个社区身份，后者可以代表对公众敏感的个人隐私信息，例如党派归属。本文首先探讨了这一被称为社区识别的新隐私问题，表明即使社交网络受到现有匿名方案的保护，受害者的社区身份仍可被推断。针对此问题，我们随后提出了 \textit{结构多样性} 的概念以提供社区身份的匿名性。-结构多样性匿名化（-SDA）旨在确保社交网络中至少 个社区内具有足够多相同顶点度的顶点。我们提出了一个整数规划公式以寻找 -SDA 的最优解，并从不同视角设计了可扩展的启发式算法以求解大规模 -SDA 实例。基于真实数据集从多个视角进行的性能研究证明了所提隐私方案及我们的匿名化方法的实用价值。
引用
@article{arxiv.1302.3033,
title = {Structural Diversity for Resisting Community Identification in Published Social Networks},
author = {Chih-Hua Tai and Philip S. Yu and De-Nian Yang and Ming-Syan Chen},
journal= {arXiv preprint arXiv:1302.3033},
year = {2013}
}