基于边介数模型的差分隐私保护方案

随着社交网络应用的不断发展,用户社交关系等个人隐私数据的安全保护问题亟待解决。为显著减小社交网络数据的敏感度,提出了一种基于边介数模型的差分隐私保护方案 BCPA。基于 dK 模型捕获图结构对应的2K 序列,根据边中介中心性系数对 2K 序列重新排序;依据排序结果将 2K 序列聚类成多个子序列,再利用 dK扰动算法对各子序列分别进行加噪;根据整合后的新 2K 序列生成满足差分隐私的社交网络发布图。基于真实数据集,通过模拟仿真将所提方案与其他经典方案进行比较,实验结果表明,所提方案在保证较强隐私保护性的同时,提高了发布数据的准确性和可用性。