[01796954]一种优化的社交网络图数据发布隐私保护方法

近年来伴随着互联网的高速发展，社交网络产品，如Facebook、Twitter、微信、微博、开心网等，同个人生活联系越来越密切。有关个人的信息在网络上更加丰富和完整，虚拟世界同现实世界逐渐出现了交叉。用户在使用社交网络服务时会产生大量的有关个人隐私的数据，这些数据由于政府监管、商业目的或是研究的需要将会提供给第三方使用。但如果直接对这些数据进行发布，会造成大量的个人隐私泄露。因此在发布前需要对这些数据进行隐私保护处理。隐私保护处理的核心是隐藏攻击者的背景知识同敏感信息间的关联关系。与现有技术相比，该发明提供了一种k-匿名的社交网络数据隐私保护构建方法，即将社交网络的数据抽象为无向图，并由该无向图生成度序列；对度序列进行分组，构建出匿名度序列；再根据匿名度序列对原始图数据进行增加边和增加顶点的操作，使无向图中的所有顶点的度均为k。经过该方法处理后，社交网络数据中每个个人或团体数据都具有至少k和他属性相同的其他个人或团体，攻击者根据背景信息只能定位到至少k个体，能够很好的保护社交网络参与者的隐私信息；该方法由于其高效性，能够适用于大规模的社交网络数据隐私保护处理。此外，该方法对于数据重构处理的信息损失量也较小。