【技术实现步骤摘要】
本专利技术涉及社交网络隐私保护，尤其涉及一种基于差分隐私保护的好友匹配方法和系统。
技术介绍
1、图是一种在当今社会中广泛使用的数据表示方式。它由节点、边以及边的权重组成，可以有效地表示各种实体之间的关系。随着社交网络的蓬勃发展，越来越多的人开始使用facebook、微信、qq等虚拟社交平台，社交网络变得更加庞大而复杂，蕴含着大量有价值的信息。将社交网络中的用户抽象为节点，用户之间的联系抽象为连接两个节点的边，若任意两个用户在虚拟社交平台存在交互，则这两个用户之间存在一条边，若任意两个用户在虚拟社交平台中不存在交互，则这两个用户之间不存在边，边的权重表示这两个用户之间的不信任度，从而构成社交网络图。
2、社交网络图中的隐私信息可以是节点的属性、边的权重或者图的结构信息。随着人们隐私保护意识的提高，对社交网络图中的信息不加保护的披露会导致隐私泄露，产生道德和法律上的问题。最短路径是社交网络图中重要且常用的指标，可基于社交网络图中用户之间的最短路径进行好友匹配。不受保护的发布可能会损害他人隐私，比如用户不想随意公开自己与其他用户的关系或不信任度，因此，需要研究如何在不公开真实用户之间不信任度(即边的权重)数据的情况下，实现对最短路径的准确发布，并基于该最短路径进行好友匹配，向用户推荐可能具有较高信任值的人，扩展用户的社交圈子。
3、但是，当社交网络图中边的权重敏感时，即边的权重属于隐私信息时，边的权重不能公开，如何准确地发布最短路径是一个重要的研究问题。为清晰起见，最短路径表示为最短路径经过的节点序列，最短路
4、为了保护社交网络图数据的隐私，早期研究者使用传统的数据匿名计算如k-匿名、l-多样和t-接近等技术。但是这些技术无法抵御来自攻击者越来越强的算力和基于背景知识发起的攻击。因此，有研究者尝试使用差分隐私技术来保护社交网络图中数据的隐私。
5、差分隐私是当今一种流行的隐私保护方法，因其严格的数学定义和稳健的隐私度量赢得了研究人员的青睐。其主要思想是通过随机性减少输入变化对输出的影响。具体来说，如果算法满足差分隐私，输入之间的差异就不会导致输出泄露隐私。差分隐私具有许多理想特性，即：(1)最大背景知识假设：假设攻击者知道除目标记录之外的所有记录；(2)隐私机制合成：简单的差分隐私机制可以组合成复杂的差分隐私机制；(3)隐私损失量化：对机制的隐私保护能力进行具体量化。因此，差分隐私被视为隐私保护算法的标准，并被微软(microsoft)、谷歌(google)和苹果(apple)应用，在不侵犯隐私的情况下收集遥测数据。但是，目前差分隐私技术保护社交网络图中数据隐私的技术方案存在隐私保护程度不够高的问题，并且都重点关注如何降低路径距离的误差上，而忽略了噪声增加后最短路径本身的改变程度导致的最短路径误差，进而影响好友匹配的精准度。
技术实现思路
1、本专利技术旨在解决现有技术中存在的技术问题，提供一种基于差分隐私保护的好友匹配方法和系统。
2、为了实现本专利技术的上述目的，根据本专利技术的第一个方面，本专利技术提供了一种基于差分隐私保护的好友匹配方法，服务端执行：基于虚拟社交平台的用户交互数据构建原始社交网络图；计算原始社交网络图中每条边的边介中心性，获得边介中心性集合，发布边介中心性集合；在每条边的权重中根据所述每条边的边介中心性大小加入相应的噪声，获得噪声社交网络图，发布噪声社交网络图；客户端执行：获取噪声社交网络图和边介中心性集合，将噪声社交网络图中除目标用户之外的所有用户记为第二用户；遍历所有第二用户执行以下步骤：对于第二用户v，利用预设的最短路径搜索算法获取噪声社交网络图中目标用户与第二用户v的k条第一最短路径，k为正整数；通过每条第一最短路径经过的边的边介中心性确定每条第一最短路径为真实最短路径的概率；基于第一最短路径为真实最短路径的概率从k条第一最短路径中筛选出t条第二最短路径，t为正整数，1≤t≤k；若t条第二最短路径中存在至少一条第二最短路径的距离小于或等于预设的距离阈值，则将第二用户v作为目标用户的匹配好友。
3、为了实现本专利技术的上述目的，根据本专利技术的第二个方面，本专利技术提供了一种基于本专利技术第一方面所述的基于差分隐私保护的好友匹配方法的好友匹配系统，包括服务端和客户端，服务端和客户端连接通信。
4、上述技术方案：服务端在原始社交网络图中的边的权重中添加与其边介中心性大小对应的噪声，形成并发布噪声社交网络图，对边权重进行了隐私保护；客户端基于被噪声扰动后的噪声社交网络图，首先通过预设的最短路径搜索算法获得k条第一最短路径，再根据第一最短路径为真实最短路径的概率从k条第一最短路径中筛选出t条第二最短路径，即t条真实最短路径，降低因添加噪声而带来的搜索真实最短路径的误差，尝试寻找出因为权重变化而变化的最短路径，使得即使权重遭到较大程度的扰动，本专利技术也能寻找出节点之间真实最短路径，提高数据的效用，实现了对敏感的边权重的更加强大的隐私保护和准确的最短路径获取，得到精准的好友匹配结果；参数t可以由客户端自定义地设置，以应对不同规模的图；本专利技术核心的计算开销发生于服务端计算全部边的边介中心性上，等效于计算一次全对最短路径的开销，相比于使用密码学手段或传统匿名化技术(需要多次计算最短路径)，有更低的计算开销。
本文档来自技高网...【技术保护点】
1.一种基于差分隐私保护的好友匹配方法，其特征在于，服务端执行：
2.如权利要求1所述的基于差分隐私保护的好友匹配方法，其特征在于，所述原始社交网络图中，以用户为节点，用户之间的交互关系为边，以用户之间的不信任度为边的权重。
3.如权利要求1所述的基于差分隐私保护的好友匹配方法，所述预设的最短路径搜索算法为Dijkstra算法或Bellman-Ford算法。
4.如权利要求1-3之一述的基于差分隐私保护的好友匹配方法，其特征在于，所述在每条边的权重中根据所述每条边的边介中心性大小加入相应的噪声，包括：
5.如权利要求4所述的基于差分隐私保护的好友匹配方法，其特征在于，所述第一添加噪声x1满足第一Laplace分布：
6.如权利要求5所述的基于差分隐私保护的好友匹配方法，其特征在于，所述通过每条第一最短路径经过的边的边介中心性确定每条第一最短路径为真实最短路径的概率，包括：
7.如权利要求5所述的基于差分隐私保护的好友匹配方法，其特征在于，所述基于第一最短路径为真实最短路径的概率从K条第一最短路径中筛选出T条第
8.如权利要求1或2或3或5或6或7所述的基于差分隐私保护的好友匹配方法，其特征在于，所述计算原始社交网络图中每条边的边介中心性，包括：
9.如权利要求1或2或3或5或6或7所述的基于差分隐私保护的好友匹配方法，其特征在于，客户端在虚拟社交平台中向目标用户推荐匹配好友。
10.一种基于权利要求1-9之一所述的基于差分隐私保护的好友匹配方法的好友匹配系统，其特征在于，包括服务端和客户端，服务端和客户端连接通信。
...【技术特征摘要】
1.一种基于差分隐私保护的好友匹配方法，其特征在于，服务端执行：
2.如权利要求1所述的基于差分隐私保护的好友匹配方法，其特征在于，所述原始社交网络图中，以用户为节点，用户之间的交互关系为边，以用户之间的不信任度为边的权重。
3.如权利要求1所述的基于差分隐私保护的好友匹配方法，所述预设的最短路径搜索算法为dijkstra算法或bellman-ford算法。
4.如权利要求1-3之一述的基于差分隐私保护的好友匹配方法，其特征在于，所述在每条边的权重中根据所述每条边的边介中心性大小加入相应的噪声，包括：
5.如权利要求4所述的基于差分隐私保护的好友匹配方法，其特征在于，所述第一添加噪声x1满足第一laplace分布：
6.如权利要求5所述的基于差分隐私保护的好友匹配...
【专利技术属性】
技术研发人员：蔡斌，盛伟洪，胡春强，夏晓峰，胡海波，桑军，
申请(专利权)人：重庆大学，
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。