计算机应用研究

作者：周楠楠,龙士工,刘海,

单位：1.贵州大学a.公共大数据国家重点实验室;b.计算机科学与技术学院,贵阳550025；2.贵州财经大学信息学院,贵阳550025；

关键词：社交网络,差分隐私,dK序列,

基金：国家自然科学基金资助项目(62062020,62062017)；贵州省自然科学基金资助项目(［2020］1Y265)；；

为了保护用户隐私，社交网络图数据发布前通常对其进行匿名化操作。然而，现有的各种匿名技术不能很好地保护用户隐私并且由于改变太大影响社交网络数据可用性。提出一种满足差分隐私的社交网络图数据发布模型（differential privacy perturbation graph，DPPM）。该模型将一个图的结构信息提取到dK度的相关统计中，将噪声引入到数据集中，并生成一个社交网络图。从理论上证明了该方法满足差分隐私。使用三个真实的社交网络数据集来评估所提方法的有效性。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期