论文研究一种基于Pregellike的社会网络隐私保护方法.pdf

现有社会网络隐私保护方法对大规模社会网络数据表现出隐私保护效果差、处理性能低等缺点，不能满足实际需求。针对这一问题，提出基于Pregel-like的社会网络隐私保护方法。该方法避免了传统MapReduce模型在多次迭代处理时的数据反复迁移和作业连续调度等问题，利用“节点为中心”的思想，通过节点间消息传递和程序的多次迭代实现大规模社会网络的隐私保护处理。基本思想为，首先将社会网络进行安全分组，然后结合隐私保护需求实现节点的标签列表匿名，最后将处理后的数据直接发布到云端或发布给数据使用者。实验结果表明，提出的方法可克服传统方法在处理大规模数据时的缺陷，且在满足隐私保护需求的同时保证发布数据的可用性