基于差分隐私的地理社交网络发布

点击上方蓝字

关注我们

导

读

      近年来，随着移动技术的发展，大量的地理社交网络(GSN)数据产生，成为旅游模式发现和交通分析等知识发现的重要资源。然而，GSN数据发布也引起了人们对隐私问题的日益关注。近年来，一些隐私保护技术已经致力于解决这个问题，但大多数技术不足以为GSN数据中的高阶关系提供隐私保护。本文提出了一种基于差分隐私的超图表示的GSN数据发布模型。目的是隐藏用户之间确切的位置信息和社交关系，从而保护用户的身份和敏感信息。我们使用一个分两步的隐私保护操作: （1）构建一个隐私混合超图模型来表示GSN数据,从而缩小随机扰动范围; （2）对GSN数据中的社交关系应用边差分隐私，使单个关系的存在对查询结果不敏感。此外，我们还分析了方法的隐私性和数据可用性，目的是在GSN数据发布上寻求数据效用和隐私性之间的平衡点。

文章精要

        请长按下方二维码识别，阅读该文。

 更多详细证明信息，请参考网页上的Supplementary material部分。

相关内容推荐：

FCS 12(1) 文章 | 基于双线性配对的高效身份门限解密方案 

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号