论文部分内容阅读
目前针对社会网络的隐私保护虽然进行了广泛的研究，但是仍然存在缺陷和不足.K-自同构隐私保护模型通过构建K-自同构图来防止结点识别攻击，但是在为结点提供隐私保护的同时却忽略了为结点之间的连边提供隐私保护，从而导致匿名图中存在路径长度泄露、边泄露等隐私安全问题.K-同构隐私保护模型通过将社会网络图匿名化成K个互不相连的同构子图，从而防止了路径长度泄露、边泄露等隐私问题，但是由于切断了同构子图之间的联系，导致发布图数据的可用性降低.提出了一种基于图自同构的K-Secure(简称AK-Secure)社会网络隐私保护模型，从而有效地防止结点识别、边识别和路径长度泄露等隐私攻击，并基于此模型设计了一种图匿名化算法，能够以最小化的信息损失构建符合AK-Secure隐私保护模型的匿名图，保证了图数据的高可用性.基于真实数据集进行大量实验测试和分析，验证了算法的安全性和有效性，以及发布图数据的高可用性.