一种基于k-匿名的图数据隐私保护方法技术

本文公开了一种基于k‑匿名的图数据隐私保护方法，其主要包括以下几个步骤：首先，基于用户特征指标对用户进行相似性计算，并对此结果进行排序；其次，依据用户的排序相似度建立关系树，为接下来的聚类分组奠定基础；接着，我们需要对树的分支及分支内的节点进行优化调整，以构建出最终的树形结构。在构建过程中，树的每一条分支代表着一个用户分组，即集群分组。通过这样的调整，我们可以更好地理解用户之间的相似性和差异性。最后，根据结构阈值对图进行匿名操作，得到最终的匿名图。本发明专利技术致力于在满足不同需求隐私要求的同时，降低对原始数据的修改，提高数据可用性，平衡用户隐私和数据可用性。

【技术实现步骤摘要】

(一)本专利技术涉及k-匿名、聚类及1-邻域子图匿名等，具体是一种基于k-匿名的图数据隐私保护方法。

技术介绍

0、(二)
技术介绍

1、随着移动互联网的快速发展，社交网络在人们的工作和生活中担任起了越来越重的角色。以微信、推特为例，数以亿计的用户汇聚在此类平台上，构成了规模庞大的社交网络，并产生了海量的数据。由于此类数据具备明显的价值属性，社交网络运营方经常将此类数据，如用户关系网络图，发布给第三方，使之能够借助于数据挖掘、知识图谱、机器学习等新一代信息技术，赋能广告投放、商品推荐、路径规划等富有针对性的数据增值服务。然而，数据发布及使用过程中面临突出的隐私风险，如隐私窃取攻击、身份识别攻击、社交关系推理攻击和属性推理攻击。因此，为规避隐私威胁，保护用户隐私，在社交网络数据发布之前必须进行去隐私化处理。

2、为保护社交网络数据中的用户隐私，k-匿名技术和差分隐私技术等隐私保护机制被广泛应用。差分隐私的核心思想是通过向数据中引入噪声来保护隐私。然而，需要注意的是，噪声的引入会对降低数据分析结果的准确性，影响数据的实用价值。k-匿名通过本文档来自技高网...

【技术保护点】

1.本文公开了一种基于k-匿名的图数据隐私保护方法，其主要包括以下几个步骤：首先，基于用户特征指标对用户进行相似性计算，并对此结果进行排序；其次，依据用户的排序相似度建立关系树，为接下来的聚类分组奠定基础；接着，我们需要对树的分支及分支内的节点进行优化调整，以构建出最终的树形结构。在构建过程中，树的每一条分支代表着一个用户分组，即集群分组。通过这样的调整，我们可以更好地理解用户之间的相似性和差异性。最后，根据结构阈值对图进行匿名操作，得到最终的匿名图。

2.根据权利要求1所述的一种基于k-匿名的图数据隐私保护方法，其特征在于：在计算用户相似度方面，融合多个指标，即用户在图中的...

【技术特征摘要】

1.本文公开了一种基于k-匿名的图数据隐私保护方法，其主要包括以下几个步骤：首先，基于用户特征指标对用户进行相似性计算，并对此结果进行排序；其次，依据用户的排序相似度建立关系树，为接下来的聚类分组奠定基础；接着，我们需要对树的分支及分支内的节点进行优化调整，以构建出最终的树形结构。在构建过程中，树的每一条分支代表着一个用户分组，即集群分组。通过这样的调整，我们可以更好地理解用户之间的相似性和差异性。最后，根据结构阈值对图进行匿名操作，得到最终的匿名图。

2.根据权利要求1所述的一种基于k-匿名的图数据隐私保护方法，其特征在于：在计算用户相似度方面，融合多个指标，即用户在图中的节点度数，用户节...

【专利技术属性】
技术研发人员：张铭萌，常亮，卢鹏澳，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：