关键词整理-社交网络下的不确定图隐私保护算法

关键词整理

社交网络下的不确定图隐私保护算法

吴振强, 胡静, 田堉攀, 史武超, 颜军. 社交网络下的不确定图隐私保护算法. 软件学报, 2019, 30(4): 1106-1120.http://www.jos.org.cn/1000-9825/5368.htm

Wu ZQ, Hu J, Tian YP, Shi WC, Yan J. Privacy Preserving Algorithms of Uncertain Graphs in Social Networks. Journal of Software, 2019, 30(4): 1106-1120(in Chinese).http://www.jos.org.cn/1000-9825/5368.htm

图修改技术

​ 针对社交网络数据的隐私保护所提出的一系列隐私保护措施

不确定图

​ 将确定图转化为概率图的一种隐私保护方法

差分隐私

​ 差分隐私（英语：differential privacy）是密码学中的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会。

基于差分隐私的不确定图边概率赋值算法

​ 该算法具有双重隐私保障，适合社交网络隐私保护要求高的场景

基于三元闭包的不确定图边概率分配算法

​ 该算法在实现隐私保护的同时保持了较高的数据效用，适合简单的社交网络隐私保护场景

（k，ε）-混淆算法

基于网络结构熵的数据效用性度量算法

​ 该算法能够度量不确定图与原始图结构的相似程度