[发明专利]一种社交网络中隐私保护方法及装置

说明书

本发明提供一种社交网络中隐私保护方法及装置，其中，所述社交网络中隐私保护方法包括：获取社交网络图的原始图结构，所述原始图结构包括匿名用户对应的节点组成的节点集合和匿名用户之间的好友关系对应的边组成的边集合，对节点集合中的节点进行聚类，得到N个待处理节点分组，对N个待处理节点分组中的每一个待处理节点分组进行相似化处理，得到N个相似节点分组；所述相似节点分组中，任意两个节点之间的相似度大于预定相似度门限。本发明的方案，能够实现社交网络图的层次结构的概率不可区分，从而实现对社交网络图的隐私保护，且由于仅对待处理节点分组进行了相似化处理，较小变动了社交网络图图结构，因此可保证社交网络图的可用性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种社交网络中隐私保护方法及装置。

背景技术

随着Web2.0理念的普及与移动网络技术的日益成熟，社交网络已经成为人们传播信息、交流沟通的重要场所，社交网络产生的数据是大数据的重要来源之一,同时这些数据中包含有大量的用户隐私数据，所以，如何在保护好用户隐私的前提下，最大限度的开放社交网络数据服务已成为研究热点。

通常，社交网络数据可通过社交网络图体现，而社交网络图的图结构至少包括匿名用户对应的节点和匿名用户之间的好友关系对应的边。这样，当攻击者了解到某用户的一些信息例如好友关系的情况下，可通过解析社交网络图识别该用户对应的目标节点。以一跳邻居攻击为例，假设攻击者知道目标节点的一跳邻居的图结构，即目标节点与一跳邻居之间如何连接，当目标节点具有独特的图结构时，攻击者就能够从简单匿名社交网络图中识别目标节点。

为了抵抗攻击者攻击社交网络图，避免泄露用户隐私数据，当前常采用k-匿名方法。其中，k-匿名方法具体为：基于k-匿名对社交网络图的原始图结构进行处理，使得任意节点的图结构与至少k-1个节点的图结构相同。这样，经过k-匿名处理，社交网络图中目标节点被识别的概率最多为1/k。然而，经过k-匿名处理，社交网络图的图结构会有较大的变动，难以保证社交网络图的可用性，且加入/删除的边越多，社交网络图的可用性越差。

发明内容

本发明的目的在于提供一种社交网络中隐私保护方法及装置，以解决现有的社交网络中隐私保护方法对社交网络图图结构的变动较大，难以保证社交网络图的可用性的问题。

一方面，本发明实施例提供一种社交网络中隐私保护方法，包括：

获取社交网络图的原始图结构；所述原始图结构包括匿名用户对应的节点组成的节点集合和匿名用户之间的好友关系对应的边组成的边集合；

对所述节点集合中的节点进行聚类，得到N个待处理节点分组；所述待处理节点分组中节点数量大于或等于K1，所述N大于或等于2，所述K1大于或等于2；

对所述N个待处理节点分组中的每一个待处理节点分组进行相似化处理，得到N个相似节点分组；所述相似节点分组中，任意两个节点之间的相似度大于预定相似度门限。

另一方面，本发明实施例还提供一种社交网络中隐私保护装置，包括：

获取模块，用于获取社交网络图的原始图结构；所述原始图结构包括匿名用户对应的节点组成的节点集合和匿名用户之间的好友关系对应的边组成的边集合；

聚类模块，用于对所述节点集合中的节点进行聚类，得到N个待处理节点分组；所述待处理节点分组中节点数量大于或等于K1，所述N大于或等于2，所述K1大于或等于2；

相似化处理模块，用于对所述N个待处理节点分组中的每一个待处理节点分组进行相似化处理，得到N个相似节点分组；所述相似节点分组中，任意两个节点之间的相似度大于预定相似度门限。