社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法
【專利摘要】社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法，是把表示社交網(wǎng)絡數(shù)據(jù)的無向圖G（V,E）的頂點V，以k-匿名為條件，按照度的數(shù)量分為兩個集合Vk和Vr，Vk中包含度的數(shù)量滿足k-匿名條件的點；Vr中包含不滿足k-匿名條件的點；對Vk集合中的點不做處理；對Vr集合中的點進行隨機化保護處理。該方法將現(xiàn)有的k-匿名法和隨機化的方法結合，不改變社交網(wǎng)絡用戶數(shù)目，對提供給第三方的數(shù)據(jù)的性質(zhì)和質(zhì)量影響較小，處理過程簡單，速度快。經(jīng)過處理后，社交網(wǎng)絡數(shù)據(jù)中每個個人數(shù)據(jù)會處于兩種保護狀態(tài)之一：度屬性沒有改變，處于至少k個和他的度屬性相同的其他個人之中；或度屬性改變。這種保護能夠阻止采用結構背景知識的重定位攻擊，滿足社交網(wǎng)絡用戶對隱私安全的需求。
【專利說明】社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法
【技術領域】
[0001]本發(fā)明涉及數(shù)據(jù)安全領域，具體是網(wǎng)絡數(shù)據(jù)中隱私的保護技術，更具體是社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法。
【背景技術】
[0002]隨著網(wǎng)絡信息技術的發(fā)展，互聯(lián)網(wǎng)已經(jīng)滲入到我們生活的各個方面。社會網(wǎng)絡服務如:新浪微博、QQ空間、人人網(wǎng)、淘寶網(wǎng)、LinkedIn和Google+等大量出現(xiàn)。社會網(wǎng)絡的出現(xiàn)，改變了我們同朋友的聯(lián)系方式，拓展了我們的交際范圍，提供了更加直接快速的信息交流和傳播方式。隨著智能手機、平板及可穿戴智能設備的普及，人們在線的時間越來越多，提供給網(wǎng)絡的數(shù)據(jù)越來越詳細，互聯(lián)網(wǎng)將逐步和現(xiàn)實世界產(chǎn)生融合。使用這些社會網(wǎng)絡服務給我們生活帶來極大的便利，同時也產(chǎn)生了大量的有關我們個人信息的數(shù)據(jù)如年齡、性另O、愛好、照片、位置等，其中有些是我們不想讓他人知道的個人隱私的信息。但是這些數(shù)據(jù)是存放在社會網(wǎng)絡服務提供商處的，由于科研、商業(yè)，或是政府的要求，服務商會把他們所收集的數(shù)據(jù)發(fā)布給第三方使用。如果發(fā)布數(shù)據(jù)不當，將會泄露用戶的個人隱私信息。如果個人隱私被泄露，將會帶來不可估量的損失。因此迫切需要一種安全的社會網(wǎng)絡數(shù)據(jù)發(fā)布方法，在保護個人隱私數(shù)據(jù)安全的情況下，盡可能大的保持原始數(shù)據(jù)的可用性，滿足第三方對社會網(wǎng)絡數(shù)據(jù)的分析研究和其他方面的需求。
[0003]社交網(wǎng)絡數(shù)據(jù)，由于其關系復雜性，一般用圖數(shù)據(jù)結構表示。對這些數(shù)據(jù)發(fā)布前需進行隱私保護處理，目前主要使用k-匿名的隱私保護方法、以k-匿名為基礎的1-不同、t-接近等方法。這些方法其核心思想都是把個體隱藏在群體中，以不可區(qū)分性來保護個體的隱私。這些已有方法為了隱藏個體標識信息，通過添加虛擬用戶，虛擬關系等方式對原始數(shù)據(jù)進行更改，對原始數(shù)據(jù)改變較大，對數(shù)據(jù)的可用性有較大影響。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是提供一種社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法。
[0005]本發(fā)明是針對社交網(wǎng)絡圖數(shù)據(jù)的結構屬性進行保護的。社交網(wǎng)絡數(shù)據(jù)發(fā)布前，首先進行初步匿名工作，去掉姓名，身份證等顯式的標識符并分離一般屬性和結構屬性，一般屬性如年齡、愛好、地區(qū)等采用二維表表示，結構屬性采用無向圖G (V，E)表示，他們之間的聯(lián)系用重新編號的標識符表示，其中V是頂點的有限集合，表示社交網(wǎng)絡中的個人或其他實體；E是V上的二元關系，即用戶或?qū)嶓w間的關系，如朋友、同學、共同愛好等關系，也叫做一條邊，每個頂點的度表示與該頂點相關的二元關系的個數(shù)，即邊的數(shù)量。經(jīng)過上述處理的數(shù)據(jù)，能夠有效防止攻擊者使用背景知識，如某個用戶朋友列表，對這個用戶在發(fā)布的數(shù)據(jù)中重新定位。
[0006]本發(fā)明的方法的具體步驟如下:
I)把無向圖G (V, E)的頂點V，以是否滿足k-匿名為條件分為兩個集合Vk和\，\中存放滿足k-匿名條件的點中存放不滿足k-匿名條件的點； 2)對Vk，由于滿足k-匿名不需要繼續(xù)處理；對Vr集合中的點進行下述處理:
3)隨機選擇重復次數(shù)η;
4)對于Vr中點，隨機的(等概率的)在原來沒有邊的兩點間添加m條邊，然后再隨機在原來有邊的頂點間去掉m條邊。
[0007]5 )依次檢測Vr中點的度，刪除Vr中度有變化的點；
6)n=n_l
7)如果重復次數(shù)η大于零且Vr非空，轉(zhuǎn)到步驟4);否則轉(zhuǎn)到步驟8)。
[0008]8)判讀Vr中的點是否為奇數(shù)，如果為奇數(shù)轉(zhuǎn)步驟9)，否則轉(zhuǎn)步驟10)。
[0009]9)在Vr中隨機選擇兩點，如果他們間有邊就去掉這條邊，否則在他們之間增加一條邊。在Vr中移除這兩點中的一點。
[0010]10)對于Vr中的點，隨機選擇兩兩組合，如果他們間原本有邊就去掉邊；原本沒有邊添加一條邊；
11)結束；
在步驟I )，k-匿名條件的k值范圍為2?20，，由用戶根據(jù)需求選擇，優(yōu)選為10。
[0011]在步驟3)，隨機數(shù)η范圍為10。
[0012]在步驟4)，m為:l(Tl00%Vr中包含的點，優(yōu)選為:2(T40%Vr中包含的點。
[0013]本發(fā)明的方法是將已有技術中的k-匿名法和改變度屬性的方法進行結合，并對原有的改變度屬性的方法進行改進，不會影響提供給第三方的數(shù)據(jù)的性質(zhì)和質(zhì)量，也不改變數(shù)量，處理過程簡單，速度快。
[0014]經(jīng)過上述處理后，將數(shù)據(jù)進行發(fā)布或提供給第三方使用，這樣，社交網(wǎng)絡數(shù)據(jù)中每個個人數(shù)據(jù)就會處于兩種保護狀態(tài)之一:1.度屬性沒有改變，處于至少k個和他的度屬性相同的其他個人之中；2.度屬性改變。
[0015]處于狀態(tài)I的個人數(shù)據(jù)，攻擊者根據(jù)背景信息只能定位到至少k個體；
處于狀態(tài)2的個人數(shù)據(jù)，攻擊者根據(jù)背景信息不能夠確定攻擊目標。
[0016]本方法能夠很好的保護社交網(wǎng)絡參與者的個人隱私信息，這種保護能夠阻止采用結構背景知識的重定位攻擊。本發(fā)明結合已有技術的方法思想，在個體標識信息隱藏過程中結合隨機換的概率思想，規(guī)避掉個體標識信息必須成組的復雜問題，巧妙而有效的的解決了社交網(wǎng)絡數(shù)據(jù)發(fā)布的隱私保護問題。
[0017]【專利附圖】

【附圖說明】
圖1是本發(fā)明方法的具體流程圖。
【具體實施方式】
[0018]測試數(shù)據(jù)集采用Facebook的朋友圈數(shù)據(jù)集，下載地址:http://snap.Stanford,edu/data/。數(shù)據(jù)集經(jīng)過處理，包含534位有朋友的用戶和3466條朋友關系。
[0019]參照圖1，按照本發(fā)明的方法，首先進行初步匿名工作，去掉顯式的標識符如姓名，身份證等，并分離一般屬性和結構屬性，一般屬性如年齡、愛好、地區(qū)等采用二維表表示，結構屬性采用無向圖G (V，E)表示，他們之間的聯(lián)系用重新編號的標識符表示，其中V是頂點的有限集合，表示社交網(wǎng)絡中的個人或其他實體；E是V上的二元關系，即用戶或?qū)嶓w間的關系，如朋友、同學、共同愛好等關系，也叫做一條邊，每個頂點的度表示與該頂點相關的二元關系的個數(shù)，即邊的數(shù)量。
[0020]然后，選擇k=5，完成步驟I)后Vk中包含480個點，Vr中包含54個點。
[0021]然后，對Vk中的點不作處理中的點進行下述處理:
在步驟3)隨機選擇重復次數(shù)η如η=1，
步驟4)中取m為50% Vr中包含的點，則m為27，
完成步驟5)有45個點的度發(fā)生改變，9個點的度沒有變，刪除這45個度有變化的點；步驟6) η的值減少1，變?yōu)?，由于η不大于O (等于0)，按照步驟7)轉(zhuǎn)到步驟8)，由于Vr中的點是9，為奇數(shù)，所以轉(zhuǎn)到步驟9)，在這9個點中，隨機選擇兩點，如果它們間有邊就去掉這條邊，否則在他們之間增加一條邊，之后在移除這兩點中的一點；Vr中頂點數(shù)又減少了一個，變成8個，為偶數(shù)。
[0022]之后按照步驟10)隨機選擇兩兩組合，如果它們間原本有邊就去掉邊，原本沒有邊添加一條邊，完成整個處理過程。
【權利要求】
1.社交網(wǎng)絡數(shù)據(jù)發(fā)布的混合隨機化隱私保護方法，其特征在于:首先進行數(shù)據(jù)預處理，并采用無向圖G (V1E)表示數(shù)據(jù)的結構屬性，然后按照下述具體步驟: 1)把無向圖G(V, E)的頂點V，以是否滿足k-匿名為條件分為兩個集合Vk和\，\中存放滿足k-匿名條件的點中存放不滿足k-匿名條件的點； 2)對Vk中的點不作處理；對Vr中的點進行下述處理: 3)隨機選擇重復次數(shù)η; 4)對于Vr中點，隨機地在原來沒有邊的兩點間添加m條邊，然后再隨機在原來有邊的頂點間去掉m條邊； 5)依次檢測Vr中點的度，刪除Vr中度有變化的點；
6)n=n_l； 7)如果重復次數(shù)η大于零且Vr非空，轉(zhuǎn)到步驟4);否則轉(zhuǎn)到步驟8)； 8)判讀Vr中的點是否為奇數(shù)，如果為奇數(shù)轉(zhuǎn)步驟9)，否則轉(zhuǎn)步驟10)； 9)在Vr中隨機選擇兩點，如果它們間有邊就去掉這條邊，否則在他們之間增加一條邊；之后在Vr中移除這兩點中的一點； 10)隨機選擇兩兩組合，如果它們間原本有邊就去掉邊；原本沒有邊添加一條邊； 11)結束。
2.根據(jù)權利要求1所述的隱私保護方法，其特征在于:所述數(shù)據(jù)預處理，首先進行初步匿名工作，去掉顯式的標識符如姓名、身份證，并分離一般屬性和結構屬性； 所述一般屬性如年齡、愛好和地區(qū)采用二維表表示； 所述結構屬性采用無向圖G (V，Ε)表示，他們之間的聯(lián)系用重新編號的標識符表示，其中V是頂點的有限集合，表示社交網(wǎng)絡中的個人或其他實體；Ε是V上的二元關系，即用戶或?qū)嶓w間的關系，如朋友關系、同學關系或共同愛好關系，也叫做一條邊，每個頂點的度表示與該頂點相關的二元關系的個數(shù)，即邊的數(shù)量。
3.根據(jù)權利要求1所述的隱私保護方法，其特征在于:在步驟1)，k-匿名條件的k值范圍為2~20。
4.根據(jù)權利要求1或所述的隱私保護方法，其特征在于:在步驟1)，k-匿名條件的k值范圍為10。
5.根據(jù)權利要求1所述的隱私保護方法，其特征在于:在步驟3)，隨機數(shù)η范圍為:1~10。
6.根據(jù)權利要求1所述的隱私保護方法，其特征在于:在步驟4)，m為:10-100%1中包含的點。
7.根據(jù)權利要求1或6所述的隱私保護方法，其特征在于:在步驟4)，m為:2(T40%V,中包含的點。
【文檔編號】H04L29/06GK103902924SQ201410154786
【公開日】2014年7月2日 申請日期:2014年4月17日 優(yōu)先權日:2014年4月17日
【發(fā)明者】劉鵬, 李先賢, 龍軍 申請人:廣西師范大學