一种面向隐私保护的网络结构去匿名化系统及方法技术方案

本发明专利技术涉及社交网络数据的隐私保护领域，具体为一种面向隐私保护的网络结构去匿名化系统及方法。所述系统包括相连的原始社交网络获取模块、匿名社交网络生成模块、原始社交网络重建模块以及匿名社交网络检测模块；所述原始社交网络获取模块用于获取社交网络中用户的社交关系以及用户信息；所述匿名社交网络生成模块用于通过其匿名策略单元进行匿名处理从而对原始社交网络进行匿名化；所述原始社交网络重建模块用于根据匿名社交网络的邻接矩阵和原始社交网络的结构最优值重建出原始社交网络；所述匿名社交网络检测模块用于从匿名社交网络中获取被匿名的社交关系；本发明专利技术提出的网络结构去匿名化方法充分利用了多视图信息，具有较高的准确性。

A Privacy Protection Oriented Network Architecture Anonymization System and Method

【技术实现步骤摘要】
一种面向隐私保护的网络结构去匿名化系统及方法
本专利技术涉及社交网络数据的隐私保护领域，具体为一种面向隐私保护的网络结构去匿名化系统及方法。
技术介绍
社交网络现在被第三方消费者(如研究人员和广告商)广泛利用以了解用户特征和行为。某些掌握了大量用户数据的网络公司，如新浪，在发布网络数据之前，收集的数据集中包含的私人信息或敏感信息会匿名化，以防止个人隐私受到损害。在社交网络中，由于隐私数据与公共数据共存，因此在社交网络数据发布时存在三个重要的隐私风险：内容泄露风险，身份泄露风险和链路泄露风险。所以要在数据发布之前对其进行匿名化处理。目前，已经提出了许多匿名方法，可以分为两类，包括基于泛化的方法和基于扰动的方法。基于泛化的方法的基本思想是利用模糊但语义一致的信息替换敏感信息。基于扰动的方法包括链路修改策略和随机化策略，其中前者使用链路的添加和删除机制来满足期望约束，例如k-degreeanonymity和k-automorphismanonymity，后者则通过随机添加和删除链路来更改网络结构。此外，还有人提出了差分隐私方法用于网络匿名。为了加强隐私保护技术并减少隐私泄露，量化隐私保护机制的保证级别并减轻用户的顾虑，研究基于敏感信息推断的网络去匿名化方法变得尤为重要。从而根据对匿名后的社交网络实施去匿名化方法来评估该匿名方法的效果好坏。目前，已经提出了许多去匿名化方法来量化匿名技术的实际水平。例如基于配置文件的去匿名化方法，其中有关用户行为、位置、网络浏览历史等信息都可通过匿名和辅助社交网络来匹配账户以识别用户的身份。此外，假设一旦复原用户的真实身份就可以暴露所有敏感属性，则定义基于结构的去匿名化方法来匹配账户用以识别用户身份。并且为了推断社交网络用户的敏感关系，开发了基于重建的去匿名化方法，以根据匿名数据的结构模式来恢复原始社交网络。但是大多数现有的网络结构去匿名化方法为仅基于匿名社交网络的单视图方法，其精确性有限以及大多数现有的网络结构去匿名化方法仅基于网络节点的局部结构来推断敏感关系，其全局结构信息尚未被广泛利用。
技术实现思路
基于现有技术的上述缺陷，本专利技术要解决的问题是为了针对现在网络结构去匿名化方法精确性有限、对可用信息的利用较少的缺点，提供一种面向隐私保护的网络结构去匿名化方法，且本专利技术中使用的网络结构去匿名化方法充分利用了多视图信息，比一般去匿名化方法精确性高。本专利技术解决上述问题的方案是：在本专利技术中，所有社交网络均可由图表示，其中图中的节点表示社交用户，边表示社交用户间存在的关系。从而将社交网络转换为图数据进行处理，其中图数据可以用矩阵表示，以便于计算。对原始社交网络进行匿名处理后，利用匿名社交网络和辅助社交网络的邻接矩阵得到最优结构模式(其中辅助社交网络与匿名社交网络对应与同一组用户，并且它们都部分地反映了原始社交网络的结构关系)，再通过该结构模式重建原始社交网络并将重建后的原始社交网络与匿名社交网络对比得出匿名边集；根据该匿名边集求解出网络结构的信息，从而实现对匿名网络的去匿名化。本专利技术提出了一种面向隐私保护的网络结构去匿名化系统，所述系统包括相连的原始社交网络获取模块、匿名社交网络生成模块、原始社交网络重建模块以及匿名社交网络检测模块；进一步的，所述原始社交网络获取模块用于获取社交网络中用户的社交关系以及用户信息；所述匿名社交网络生成模块用于通过其匿名策略单元进行匿名处理从而对原始社交网络进行匿名化；所述原始社交网络重建模块用于根据匿名社交网络的邻接矩阵和原始社交网络的结构最优值重建出原始社交网络；所述匿名社交网络检测模块用于从匿名社交网络中获取被匿名的社交关系。进一步的，所述原始社交网络重建模块包括第一处理单元、匿名社交网络获取单元以及辅助社交网络获取单元；所述匿名社交网络获取单元从匿名社交网络生成模块中获取匿名社交网络；所述辅助社交网络获取单元用于获取辅助社交网络；所述第一处理单元包括第一目标函数子单元、增广拉格朗日乘子子单元以及矩阵乘积子单元；根据第一目标函数子单元利用增广拉格朗日乘子子单元求解出原始社交网络的结构最优值，并通过矩阵乘积子单元将原始社交网络的结构最优值与匿名社交网络的邻接矩阵相乘获得重建后的原始社交网络。进一步的，所述原始社交网络重建模块还包括第二处理单元、匿名社交网络获取单元以及辅助社交网络获取单元；所述匿名社交网络获取单元从匿名社交网络生成模块中获取匿名社交网络；所述辅助社交网络获取单元用于获取辅助社交网络；所述第二处理单元包括第二目标函数子单元、增广拉格朗日乘子子单元以及矩阵乘积子单元；根据第二目标函数子单元利用增广拉格朗日乘子子单元求解出原始社交网络的结构最优值，并通过矩阵乘积子单元将原始社交网络的结构最优值与匿名社交网络的邻接矩阵相乘获得重建后的原始社交网络。进一步的，所述匿名社交网络检测模块包括差异边集单元、匿名边集计算单元以及匿名社交关系单元；所述差异边集单元用于将原始社交网络重建模块中获得的原始社交网络与匿名社交网络生成模块中获得的匿名社交网络进行作差处理，以获得匿名边集；所述匿名边集计算单元用于计算出匿名社交网络中匿名边集的数量；所述匿名社交关系单元用于确定出被匿名的社交关系。进一步的，所述匿名社交关系单元用于确定出被匿名的社交关系包括用于根据获取的匿名边集数量以及匿名策略单元确定出被匿名的社交关系。基于上述去匿名化系统，本专利技术还提出了一种面向隐私保护的网络结构去匿名化方法，所述方法包括以下步骤：所述方法包括将社交网络抽象为无向图，其中无向图中的各个顶点作为用户，无向图中的各条边作为两个节点对应的两个用户的社交关系；将原始社交网络中用户间的社交关系进行匿名处理；对匿名社交网络进行去匿名化过程，从而获得原始社交网络中用户被匿名的社交关系；进一步的，去匿名化过程具体包括以下步骤：S1、从匿名社交网络和辅助社交网络中根据增广拉格朗日乘子方法求解出原始社交网络的结构最优值；S2、确定出匿名社交网络的邻接矩阵，将其与原始社交网络的结构最优值进行相乘，从而获得原始社交网络的邻接矩阵；S3、根据原始社交网络的邻接矩阵得到重建后的原始社交网络，确定出原始社交网络中各个用户之间的关系，也即对匿名社交网络去匿名化；S4、将匿名社交网络与重建后的原始社交网络进行比较，从而获得两个社交网络中的差异边集；S5、根据差异边集的各个匿名链接项的排名计算出匿名边集，即获得匿名社交网络中被匿名的社交关系。本专利技术中，匿名社交网络可从互联网络或其他数据库中获取，也可对原始社交网络进行匿名化处理后获得。进一步的，步骤S1中原始社交网络的结构最优值的求解方式包括通过引入辅助变量将第一目标函数分离，通过增广拉格朗日乘子方法InexactALM求解出分离后的第一目标函数，从而求出表示矩阵，包括匿名社交网络的表示矩阵和辅助社交网络的表示矩阵；并将匿名社交网络的表示矩阵作为表示矩阵的最优值，第一目标函数表示为：s.t.A(i)＝A(i)X(i)+E(i),i＝1,2；其中，||X(i)||*为表示矩阵的核规范化形式；X(1)表示匿名社交网络的表示矩阵，X(2)表示辅助社交网络的表示矩阵；A(1)表示匿名社交网络的邻接矩阵；A(2)表示辅助社交网络的邻接矩阵；E(i)表示第i个视图的噪声项本文档来自技高网...

【技术保护点】
1.一种面向隐私保护的网络结构去匿名化系统，所述系统包括相连的原始社交网络获取模块、匿名社交网络生成模块、原始社交网络重建模块以及匿名社交网络检测模块；其特征在于，所述原始社交网络获取模块用于获取社交网络中用户的社交关系以及用户信息；所述匿名社交网络生成模块用于通过其匿名策略单元进行匿名处理从而对原始社交网络进行匿名化；所述原始社交网络重建模块用于根据匿名社交网络的邻接矩阵和原始社交网络的结构最优值重建出原始社交网络；所述匿名社交网络检测模块用于从匿名社交网络中获取被匿名的社交关系。

【技术特征摘要】
1.一种面向隐私保护的网络结构去匿名化系统，所述系统包括相连的原始社交网络获取模块、匿名社交网络生成模块、原始社交网络重建模块以及匿名社交网络检测模块；其特征在于，所述原始社交网络获取模块用于获取社交网络中用户的社交关系以及用户信息；所述匿名社交网络生成模块用于通过其匿名策略单元进行匿名处理从而对原始社交网络进行匿名化；所述原始社交网络重建模块用于根据匿名社交网络的邻接矩阵和原始社交网络的结构最优值重建出原始社交网络；所述匿名社交网络检测模块用于从匿名社交网络中获取被匿名的社交关系。2.根据权利要求1所述的一种面向隐私保护的网络结构去匿名化系统，其特征在于，所述原始社交网络重建模块包括第一处理单元、匿名社交网络获取单元以及辅助社交网络获取单元；所述匿名社交网络获取单元从匿名社交网络生成模块中获取匿名社交网络；所述辅助社交网络获取单元用于获取辅助社交网络；所述第一处理单元包括第一目标函数子单元、增广拉格朗日乘子子单元以及矩阵乘积子单元；根据第一目标函数子单元利用增广拉格朗日乘子子单元求解出原始社交网络的结构最优值，并通过矩阵乘积子单元将原始社交网络的结构最优值与匿名社交网络的邻接矩阵相乘获得重建后的原始社交网络。3.根据权利要求1所述的一种面向隐私保护的网络结构去匿名化系统，其特征在于，所述原始社交网络重建模块还包括第二处理单元、匿名社交网络获取单元以及辅助社交网络获取单元；所述匿名社交网络获取单元从匿名社交网络生成模块中获取匿名社交网络；所述辅助社交网络获取单元用于获取辅助社交网络；所述第二处理单元包括第二目标函数子单元、增广拉格朗日乘子子单元以及矩阵乘积子单元；根据第二目标函数子单元利用增广拉格朗日乘子子单元求解出原始社交网络的结构最优值，并通过矩阵乘积子单元将原始社交网络的结构最优值与匿名社交网络的邻接矩阵相乘获得重建后的原始社交网络。4.根据权利要求1所述的一种面向隐私保护的网络结构去匿名化系统，其特征在于，所述匿名社交网络检测模块包括差异边集单元、匿名边集计算单元以及匿名社交关系单元；所述差异边集单元用于将原始社交网络重建模块中获得的原始社交网络与匿名社交网络生成模块中获得的匿名社交网络进行作差处理，以获得匿名边集；所述匿名边集计算单元用于计算出匿名社交网络中匿名边集的数量；所述匿名社交关系单元用于确定出被匿名的社交关系。5.根据权利要求4所述的一种面向隐私保护的网络结构去匿名化系统，其特征在于，所述匿名社交关系单元用于确定出被匿名的社交关系包括用于根据获取的匿名边集数量以及匿名策略单元确定出被匿名的社交关系。6.一种面向隐私保护的网络结构去匿名化方法，所述方法包括将社交网络抽象为无向图，其中无向图中的各个顶点作为用户，无向图中的各条边作为两个节点对应的两个用户的社交关系；将原始社交网络中用户间的社交关系进行匿名处理；对匿名社交网络进行去匿名化过程，从而获得原始社交网络中用户被匿名的社交关系；其特征在于，去匿名化过程具体...

【专利技术属性】
技术研发人员：先兴平，明冠男，吴涛，徐光侠，朱静，王雪纯，邓伟韬，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50