[发明专利]一种面向社交网络数据的差分隐私处理发布方法

摘要

本发明公开了一种面向社交网络数据的差分隐私处理发布方法。该方法是在针对社交网络图的邻接矩阵处理时运用快速社区检测差分加噪的方式，对社交网进行结构标签识别，生成使社区节点聚集的节点标签；同时对生成的上三角邻接矩阵使用数据独立的自适应方法和二分树结构来确定矩阵密集区域；最后使用矩阵处理方式重建带噪邻接矩阵并进行网络图发布。本发明引入社区分组的概念，在保护社交网络数据隐私的同时也能确保较好的数据功用性，使用上三角矩阵分区域密度重建的方式可有效提高数据处理效率，针对不同密度设计最优的加噪边分配方式也确保了方案的隐私保护程度。

主权项

1.一种面向社交网络数据的差分隐私处理发布方法，其特征在于以下步骤：步骤1)获取某一待发布的原始社交网络图G，每条关系都转换为邻接矩阵中(0,1)的元素形式存储，将其映射在距形二维平面矩阵Ao区域内，对待发布的社交网络图初始的节点标签进行标记χ，用数组n[k]记录初始对应的标签；步骤2)引入快速社区检测算法对网络图G进行密度聚集的标签识别，让连接相互紧密的节点自成为社区，社区之间的连接较为稀疏，不同标签顺序会使得网络图的邻接矩阵密度聚集情况不同，此过程分配的隐私预算为ε1，识别后图节点标签为χ′，再用数组N[k]记录对应处理后的图节点标签χ′；步骤3)对标签好的网络邻接矩阵进行密度区域的探索与识别，设计差分隐私方法对数据独立的划分区域进行噪声扰动，此过程分配的隐私预算为ε2＝ε‑ε1,ε是总隐私预算,并采用标准二分树的结构BT对邻接矩阵进行密度存储；步骤4)对BT树中每个结点(对应一个边加噪矩阵)进行加噪后的边最优分配，重建带噪的矩阵A′与初始待发布的社交网络图的邻接矩阵Ao要实现最小化差异；步骤5)结果发布，将经过处理后带有差分隐私噪声的设计网络发布图G′进行发布。