一种基于差分隐私的约束推理社交图权重发布方法及设备技术

本发明专利技术提供了一种基于差分隐私的约束推理社交图权重发布方法及设备，该方法包括：从社交图中提取所有边的原始权重；通过所有边的原始权重按非降序排列构成第一权重数组；向第一权重数组中添加噪声获得第二权重数组；对第二权重数组进行约束处理获得第三权重数组，约束处理包括非降序分布约束，或者，约束处理包括非降序分布约束和二次约束，非降序分布约束为使第三权重数组中元素满足非降序分布，二次约束为比例约束或平均值约束；利用第三权重数组更新社交图中边的权重，并发布第三权重数组和/或更新后的社交图。提高了第三权重数组和更新后的社交图的可用性，在保证对边的权重隐私保护的同时，提高了后续数据分析结果的准确性。

【技术实现步骤摘要】

本专利技术涉及社交隐私安全保护，尤其涉及一种基于差分隐私的约束推理社交图权重发布方法及设备。

技术介绍

1、社交网络通常用图结构表示为社交图g(v，e)。其中，v表示节点集合，节点表示社交网络中的用户。e表示边集，社交图中的边表示用户与用户之间的联系。边的权重代表用户间联系的强弱，边的权重可以是用户间的通信次数、通信频率等具体指标，边的权重也可为将这些具体指标代入预设计算方式后获得如亲密度等的抽象指标。边的权重是社交图中重要且常用指标，其可用于计算社交图中两个节点之间的最短路径和最小生成树，以便进行好友推荐、社区发现等。若被攻击者获取到边的权重，很有可能进行不法行为，因此，当社交图中边的权重敏感(即属于隐私信息，不能公开)时，如何准确地发布社交图的边的权重信息是一个重要的研究问题。

2、随着攻击者算力的增强和各种基于背景知识的攻击，早期用于保护图数据隐私信息的匿名方法，如k-匿名、t-接近等，已经无法有效保护图数据中的隐私信息。因此，差分隐私被运用到图数据的隐私信息保护中。差分隐私通过引入噪声或扰动来隐藏个体的贡献，从而保护个人敏感信息，在提供本文档来自技高网...

【技术保护点】

1.一种基于差分隐私的约束推理社交图权重发布方法，其特征在于，包括：

2.如权利要求1所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，所述向第一权重数组中每个权重添加噪声获得第二权重数组，包括：向第一权重数组的每个权重添加拉普拉斯噪声，且以最大的边的原始权重与最小的边的原始权重的差值作为添加拉普拉斯噪声的尺度参数。

3.如权利要求2所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，添加的拉普拉斯噪声满足如下分布：

4.如权利要求1-3之一所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，所述非降序分布约束为调整第二权重数...

【技术特征摘要】

1.一种基于差分隐私的约束推理社交图权重发布方法，其特征在于，包括：

2.如权利要求1所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，所述向第一权重数组中每个权重添加噪声获得第二权重数组，包括：向第一权重数组的每个权重添加拉普拉斯噪声，且以最大的边的原始权重与最小的边的原始权重的差值作为添加拉普拉斯噪声的尺度参数。

3.如权利要求2所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，添加的拉普拉斯噪声满足如下分布：

4.如权利要求1-3之一所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，所述非降序分布约束为调整第二权重数组中元素的数值使第三权重数组中元素满足非降序分布，包括：

5.如权利4所述的基于差分隐私的约束推理社交图权重发布方法，其特征在于，当所述二次约束为比例约束时，所述比例约束的过程包括：

6.如权利4所述的基于差分隐私的约束推理社交图权重发布...

【专利技术属性】
技术研发人员：蔡斌，李洋锐，胡春强，夏晓峰，桑军，胡海波，
申请(专利权)人：重庆大学，
类型：发明
国别省市：