隨著社交網(wǎng)絡(luò)的興起,海量的圖數(shù)據(jù)產(chǎn)生,這些數(shù)據(jù)作為知識(shí)發(fā)現(xiàn)和輔助決策的重要資源,被數(shù)據(jù)挖掘工具頻繁收集、分析和發(fā)布。來(lái)源于現(xiàn)實(shí)網(wǎng)絡(luò)中的圖數(shù)據(jù)通常攜有大量的用戶(hù)敏感信息,因此,圖數(shù)據(jù)發(fā)布過(guò)程中的隱私保護(hù)工作尤為重要。隨著網(wǎng)絡(luò)的不斷發(fā)展,簡(jiǎn)單圖難以表征復(fù)雜網(wǎng)絡(luò)中的潛在聯(lián)系,超圖在表征多方關(guān)系上更具優(yōu)勢(shì),近年來(lái)被越來(lái)越多地被應(yīng)用在復(fù)雜網(wǎng)絡(luò)分析任務(wù)上。現(xiàn)有的圖數(shù)據(jù)隱私保護(hù)工作多基于簡(jiǎn)單圖,在超圖數(shù)據(jù)發(fā)布上面臨著新的挑戰(zhàn)。我們針對(duì)現(xiàn)有工作的不足,基于差分隱私技術(shù)提出了更具普適性和魯棒性的圖數(shù)據(jù)發(fā)布方法。本文研究工作及主要貢獻(xiàn)如下:首先,針對(duì)傳統(tǒng)地理社交網(wǎng)絡(luò)(Geo-social Network,GSN)數(shù)據(jù)發(fā)布隱私保護(hù)方法不足以為數(shù)據(jù)間的多方關(guān)系提供嚴(yán)格隱私保證的問(wèn)題,提出一種更具普適性的基于超圖的差分隱私保護(hù)模型,給出了鄰近超圖上的差分隱私定義;然后綜合考慮GSN數(shù)據(jù)中的社交屬性和位置信息,進(jìn)一步提出了滿(mǎn)足差分隱私的超圖構(gòu)建過(guò)程;最后,采取了更加合理的數(shù)據(jù)可用性度量標(biāo)準(zhǔn),評(píng)估了該方法在度分布查詢(xún)上的準(zhǔn)確性。與目前主流的隱私保護(hù)方法相比,該方法優(yōu)化了的查詢(xún)敏感度計(jì)算,并且縮小了噪聲擾動(dòng)范圍。實(shí)驗(yàn)...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本論文主要工作
    1.4 本論文結(jié)構(gòu)安排
2 數(shù)據(jù)發(fā)布中的差分隱私相關(guān)研究
    2.1 數(shù)據(jù)發(fā)布及其中的隱私問(wèn)題
        2.1.1 數(shù)據(jù)發(fā)布流程
        2.1.2 數(shù)據(jù)發(fā)布中的隱私泄露問(wèn)題
        2.1.3 數(shù)據(jù)發(fā)布中的隱私保護(hù)技術(shù)
    2.2 數(shù)據(jù)發(fā)布的差分隱私保護(hù)
        2.2.1 差分隱私概述
        2.2.2 數(shù)據(jù)發(fā)布的差分隱私模型
        2.2.3 數(shù)據(jù)發(fā)布的差分隱私技術(shù)
    2.3 隨機(jī)響應(yīng)技術(shù)
        2.3.1 隨機(jī)響應(yīng)技術(shù)理論依據(jù)
        2.3.2 隨機(jī)響應(yīng)的應(yīng)用
    2.4 圖數(shù)據(jù)的差分隱私保護(hù)
        2.4.1 圖數(shù)據(jù)的隱私保護(hù)相關(guān)概念
        2.4.2 圖數(shù)據(jù)的差分隱私方法
        2.4.3 圖數(shù)據(jù)發(fā)布面臨的挑戰(zhàn)
    2.5 本章小結(jié)
3 基于差分隱私的地理社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布方法研究
    3.1 問(wèn)題背景
    3.2 問(wèn)題描述
        3.2.1 地理社交網(wǎng)絡(luò)數(shù)據(jù)的形式
        3.2.2 主要攻擊類(lèi)型
    3.3 基于差分隱私的地理社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布方法
        3.3.1 基于超圖的地理社交網(wǎng)絡(luò)表示
        3.3.2 隱私模型
        3.3.3 算法流程
        3.3.4 安全性保證
        3.3.5 數(shù)據(jù)可用性度量
    3.4 實(shí)驗(yàn)結(jié)果
        3.4.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集介紹
        3.4.2 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 面向超圖譜聚類(lèi)的差分隱私保護(hù)研究
    4.1 問(wèn)題背景
    4.2 問(wèn)題描述
        4.2.1 攻擊類(lèi)型
        4.2.2 數(shù)據(jù)可用性度量
    4.3 基于差分隱私技術(shù)的超圖譜保護(hù)方法
        4.3.1 相關(guān)工作
        4.3.2 數(shù)據(jù)模型
        4.3.3 算法流程
        4.3.4 安全性保證
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 實(shí)驗(yàn)環(huán)境和數(shù)據(jù)集介紹
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 結(jié)論
    5.1 研究總結(jié)
    5.2 工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：4001748