-
Patent Agency Ranking
公开(公告)号：CN113688424A
公开(公告)日：2021-11-23
申请号：CN202111014006.0
申请日：2021-08-31
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于权重社会网络的个性化差分隐私保护方法，包括以下步骤：步骤S1：获取原始的权重社会网络，并将其划分成若干个簇；步骤S2:对边权重进行分级处理，并通过预设函数f(x)来为每个簇确定ε值，为每个簇个性化地确定差分隐私噪声；步骤S3:构建单源最短路径约束模型来反映图属性，并通过单源最短路径约束模型来对添加的噪声进行约束，求解出噪声；步骤S4:基于求解得到的噪声，对每个簇中的带权边添加服从Laplace分布的噪声，得到扰动后的权重社会网络。本发明在实现用户隐私信息强保护的同时能使发布的权重社会网络仍具有可接受的数据效用。
-
公开(公告)号：CN115277156A
公开(公告)日：2022-11-01
申请号：CN202210867729.3
申请日：2022-07-22
Applicant: 福建师范大学
Abstract: 本发明涉及一种社交网络中抵抗邻居攻击的用户身份隐私保护方法，在社会网络的图数据遭受1*‑邻居攻击时，采用图修改技术实现了用户隐私身份隐私信息的保护；根据图编辑距离对同一簇中的1*‑邻居图进行修改，使它们达到概率不可区分；在实现社交网络中用户身份隐私保护的同时，提高图数据的可用性。
-
公开(公告)号：CN115795527B
公开(公告)日：2023-08-18
申请号：CN202211290150.1
申请日：2022-10-20
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于节点相似性的不确定图用户隐私保护方法。包括：在社会网络中初始化一个原始图G=(V,E)，其中V表示节点集，对应于真实用户，E表示边集，对应于用户之间的关系；利用Node2Vec模型获得原始图G中所有用户节点之间的相似度存储在相似度矩阵中，并对原始图中的边进行边概率赋值，初步生成不确定图G'；在不确定图G'中添加噪声边，并生成及选取非负的服从拉普拉斯分布的差分隐私噪声添加到噪声边上，生成噪声图；对噪声边上的噪声值进行后处理，完成对噪声边的边概率赋值操作，生成最终的不确定图。本发明在生成不确定图时添加差分隐私噪声，不仅可以给社会网络中的用户提供更强的隐私保护，还能使得发布的不确定图仍具有较高的可用性。
-
公开(公告)号：CN115277156B
公开(公告)日：2023-05-23
申请号：CN202210867729.3
申请日：2022-07-22
Applicant: 福建师范大学
IPC: H04L9/40 , G06F18/23213 , G06Q50/00 , G06F21/62
Abstract: 本发明涉及一种社交网络中抵抗邻居攻击的用户身份隐私保护方法：在社会网络的图数据遭受1*‑邻居攻击时，采用图修改技术实现了用户隐私身份隐私信息的保护；根据图编辑距离对同一簇中的1*‑邻居图进行修改，使它们达到概率不可区分；在实现社交网络中用户身份隐私保护的同时，提高图数据的可用性。
-
公开(公告)号：CN115795527A
公开(公告)日：2023-03-14
申请号：CN202211290150.1
申请日：2022-10-20
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于节点相似性的不确定图用户隐私保护方法。包括：在社会网络中初始化一个原始图G=(V,E)，其中V表示节点集，对应于真实用户，E表示边集，对应于用户之间的关系；利用Node2Vec模型获得原始图G中所有用户节点之间的相似度存储在相似度矩阵中，并对原始图中的边进行边概率赋值，初步生成不确定图G'；在不确定图G'中添加噪声边，并生成及选取非负的服从拉普拉斯分布的差分隐私噪声添加到噪声边上，生成噪声图；对噪声边上的噪声值进行后处理，完成对噪声边的边概率赋值操作，生成最终的不确定图。本发明在生成不确定图时添加差分隐私噪声，不仅可以给社会网络中的用户提供更强的隐私保护，还能使得发布的不确定图仍具有较高的可用性。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
