【技术实现步骤摘要】
一种基于图变分自编码器的匿名社交图恢复方法及系统
[0001]本专利技术涉及一种基于图变分自编码器的匿名社交图恢复方法及系统，属于计算机软件
技术介绍
[0002]由于图结构能够很好地表达事物之间的关联，许多社交网络选用图来表达用户之间的联系，即社交图。人们可以通过分析社交图来理解社交网络，以此完成个性化推荐、用户偏好提取、好友关系预测等。为了保护用户隐私，在公开发布社交图之前，社交图需要被进行合适的匿名，即移除与身份强相关的标识，以此保护用户的个人信息不被泄露。近年来，随着隐私安全计算技术的成熟，许多隐私保护算法被提出，如差分隐私等，社交图匿名方法也不单单是简单地移除与身份无关的标识符，而是与隐私保护算法相结合，产生满足一定隐私保护准则的社交图匿名方法。
[0003]现有的图匿名机制一般是通过对原始图加入一定的事前设计的虚假链接来完成匿名的目的，代表工作可以分为三类：基于随机扰动的图匿名机制、基于k
‑
匿名的图匿名机制、基于差分隐私的图匿名机制。基于随机扰动的图匿名依赖于对原始图中节点的...
【技术保护点】
【技术特征摘要】
1.一种基于图变分自编码器的匿名社交图恢复方法，其特征在于，包括以下步骤：对匿名后的社交网络构建社交图，其中用户作为节点，用户之间的关联作为边集，对社交图提取邻接矩阵和节点集；将邻接矩阵和节点集输入图变分自编码器中的编码器，通过编码器提取社交图中节点的结构特征，构成潜层向量空间，以扩大虚假边和真实边的距离；利用图变分自编码器中的解码器对边的存在性进行合理性评判，根据合理性评判结果，通过设定阈值识别增加的虚假边，从而完成针对匿名社交图的恢复。2.根据权利要求1所述的方法，其特征在于，所述编码器包括两层图卷积神经网络，第一层图卷积神经网络用于学习变分均值，第二层图卷积神经网络用于学习变分方差，以构造变分正态分布，保证所述编码器产生的中间向量矩阵满足正态分布。3.根据权利要求2所述的方法，其特征在于，所述解码器根据两两中间向量的点积产生重构矩阵，并设定阈值。4.根据权利要求3所述的方法，其特征在于，采用以下步骤训练所述编码器和所述解码器：将邻接矩阵和节点集输入编码器，产生变分正态分布；根据变分正态分布，随机采样产生潜层特征向量，输入解码器中，产生重构矩阵；结合阈值对重构矩阵的值进行修改，大于阈值的判为1，小于阈值的判为0，修改后的重构矩阵形成重构邻接矩阵；将两个邻接矩阵的交叉熵作为损失函数，更新编码器、解码器的权重参数，利用验证集验证分类效果；若验证集上的准...
【专利技术属性】
技术研发人员：李镇，熊刚，田婧，刘畅，苟高鹏，管洋洋，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。