一种带有差分隐私机制的三维时空信息传播预测方法技术

本发明专利技术公开了一种带有差分隐私机制的三维时空信息传播预测方法，属于信息隐私保护技术领域。所述的三维时空信息传播预测方法包括数据获取与预处理、提取用户属性、建立差分隐私保护机制和构建具有差分隐私机制的信息传播预测模型四个步骤。本发明专利技术将用户通信拓扑作为一个连续体，采用极坐标下的复值反应扩散二维偏微分方程对用户的群体动态进行建模，其状态表示用户的位置坐标。该模型能够有效地将信息扩散机制与差分隐私保护技术相结合，从而更好地达到分析在线社交网络中信息在时空维度传播的特点与规律，以及保护社交网络中的用户隐私信息。

A three-dimensional spatiotemporal information propagation prediction method with differential privacy mechanism

【技术实现步骤摘要】
一种带有差分隐私机制的三维时空信息传播预测方法
本专利技术属于信息隐私保护
，尤其涉及一种带有差分隐私机制的三维时空信息传播预测方法。
技术介绍
随着计算机和通信技术的不断发展，在线社交网络(OnlineSocialNetworks,OSNs)已成为人们生活中不可或缺的一部分。用户可以利用社交网络进行信息分享和交流，在线社交网络的信息扩散问题也成为一个热门的研究课题。但社交网络中的信息良莠不齐，不良信息同样得到快速且广泛传播，给社会稳定和经济发展带来很多负面影响，其中隐私泄露已经成为网络的最大威胁之一。因此，研究具有隐私保护的在线社交网络中信息扩散机制，有助于在利用其进行信息交流、商业营销的同时，还能进行网络舆情监测以及保护用户的隐私被泄露。尽管很多学者已经对于不同的网络提出了很多演化模型算法，如流行病模型和线性影响模型，可以有效地预测和监测在线社会活动。由于网络的实时变化和社会互动的复杂性，分析信息传播过程的机理是一个挑战。以往的许多工作主要针对随时间变化的信息扩散动力学模型。在实际的社交网络中，同时考虑时间和空间两个维度分析信本文档来自技高网...

【技术保护点】
1.一种带有差分隐私机制的三维时空信息传播预测方法，其特征在于，包括以下步骤：/n步骤1：获取信息数据与预处理/n获取信息数据，包括信息数据和与信息数据对应的用户数据；其中用户数据包括多个用户属性特征，主要包括用户信息、用户社交关系、用户地理信息；/n将获取的信息数据中噪音数据去除，并对其按照时间区间进行划分；在单位时间中，从获取的数据中找出对与该热点话题做出反应的用户，并依此建立相应的网络拓扑结构，并存入数据库；/n步骤2：提取用户属性/n基于步骤1对获取的信息数据，分别从社会属性和地理属性两方面提取用户属性；/n步骤2.1：采用网络距离表示用户社会属性/n用p表示信息从信息源点用户向信息接...

【技术特征摘要】
1.一种带有差分隐私机制的三维时空信息传播预测方法，其特征在于，包括以下步骤：
步骤1：获取信息数据与预处理
获取信息数据，包括信息数据和与信息数据对应的用户数据；其中用户数据包括多个用户属性特征，主要包括用户信息、用户社交关系、用户地理信息；
将获取的信息数据中噪音数据去除，并对其按照时间区间进行划分；在单位时间中，从获取的数据中找出对与该热点话题做出反应的用户，并依此建立相应的网络拓扑结构，并存入数据库；
步骤2：提取用户属性
基于步骤1对获取的信息数据，分别从社会属性和地理属性两方面提取用户属性；
步骤2.1：采用网络距离表示用户社会属性
用p表示信息从信息源点用户向信息接收用户传递所需的最少用户跳次数；将用户获取信息的途径数定义为入度数，用q表示；考虑到用户的入度对一个用户接收到信息的影响，设信息接收用户i离信息源点用户的网络距离为xi，其上一层用户集合为{ui1,ui2,...,uiq}，对应的网络距离分别为{xi1,xi2,...,xiq}，提取的网络度量表达式为：



步骤2.2：采用地理距离表示用户地理属性
针对步骤1提取的用户地理信息，通过地理距离来表示用户的地理属性：



其中，R表示地球半径，lati和latj表示在弧度系统中用户i和j的经度，longi和longj表示在弧度系统中用户i和j的纬度，oij表示两个用户的伪地理距离；
将伪地理距离oij离散化得到地理距离yi，如下所示：



其中，[oi/1000]表示为取整数的函数；oi表示每个信息接收用户i与信息源用户的伪地理距离；
步骤3：通过构建具有差分隐私的信息扩散系数函数建立差分隐私保护机制
步骤3.1：信息传播预测模型中包含两个信息扩散系数函数，用d1和d2表示；d1代表信息沿着网络链路传播的能力，d1随网络距离x呈指数衰减；d2代表信息沿着地理距离传播的能力，d2随网络距离y呈指数衰减；由下式表示：



其中，b代表在社交网络中关于友谊结构的信息受欢迎程度的下降程度；
步骤3.2：基于步骤3.1给定的d1和d2，运用差分隐私保护机制验证信息扩散系数函数d1和d2是满足ε-差分隐私的，并给出以下定义：
所述的信息扩散系数函数d1的隐私保护机制对每个信息扩散的输出S和社会距离的集合x，给定ε-差分隐私，其中ε＞0；如果两个数据集D和D′都具有相同的信息源，但是其社会距离x不一样；DΔD′表示两个数据集之间的差异，其中|DΔD′|代表着在DΔD′集合中社会距离的个数；Pr表示隐私泄露的概率，对所有数据集
Pr[d′1(hop2)∈S]≤eε×Pr[d1(hop1)∈S](5)
因此，所述的信息扩散系数函数d1是满足ε-差分隐私的；
所述的信息扩散系数函数d2的隐私保护机制对每个信息扩散的输出S和地理距离的集合y，给定了ε-差分隐私，其中ε＞0；如果两个数据集D和D′都具有相同的信息源，但是其地理距离不一样；DΔD′表示两个数据集之间的差异，其中|DΔD′|代表着在DΔD′集合中地理距离个数；Pr表示隐私泄露的概率，对所有数据集
...

【专利技术属性】
技术研发人员：多允慧，孙福权，姜玉山，刘晏君，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21