在线社交网络中的一种保护隐私的朋友推荐方案

最近,可以提供许多创新服务的在线社交网络(OSN)不断增加。 由于结交朋友是建立用户社交关系的基本方法,因此提出了推荐朋友的建议,以帮助用户扩大其在OSN中的社交圈。 但是,传统的朋友推荐过程在OSN中构成了一些关键的隐私漏洞,例如身份盗用和关系隐私泄露。 为了解决此问题,不同于传统的朋友推荐方案,我们通过表征用户的社交行为/活动,基于共同的利益,确定了威胁模型,然后提出了k度匿名朋友推荐(KFR)方案。 首先,我们将OSN抽象为一个超图,然后提出一种边缘分割算法来隐藏用户的身份隐私和社交关系隐私。 随后,基于用户的共同兴趣,设计了一种相似度计算算法。 最后,将相似度计算算法与分割树技术相结合,提出了一种新颖的k度匿名好友推荐方案。 在真实数据集上进行的实验表明,该方案具有可扩展性和有效性。