专利名称：一种基于谱约束和敏感区划分的网络用户结构扰动方法
技术领域：
本发明属于互联网信息安全领域，涉及社会网络隐私保护方法，尤其涉及一种基于谱约束和敏感区划分的网络用户结构扰动方法。
背景技术：
网络用户是一个由个人或社区组成的点状网络拓扑结构。其中每个点代表一个个体，个体与个体之间可能存在各种相互依赖的社会关系，在拓扑网络中用点与点之间的边表示。这个网络拓扑结构在互联网上是完全开放的，因此社会网络上个体以及个体之间的关系，都存在信息泄露的风险，特别是其中的敏感信息，为保证社会网络数据进行顺利分析，要求尽可能地保持原始社会网络数据的结构特性。目前普遍采用随机化扰动的方法，该方法通过随机地扰动社会网络的边来保护社会网络的隐私。采取的策略主要有随机增加/删除边和随机交换边。随着增删、交换边次数的增加可以很好的保护社会网络用户的隐私，但扰动后网络的可用性变得较差。还有一种方法是基于谱约束的随机化扰动方法，相对于随机化社会网络扰动方法它可以很好地保持社会网络的结构特性，但隐私保护的针对性不够强。
发明内容
本发明为克服上述的不足之处，目的在于提供一种基于谱约束和敏感区划分的网络用户结构扰动方法，该方法的主要思想是将网络分为敏感区和非敏感区，根据前一次扰动后社会网络图与原始社会网络图谱大小的关系，再基于谱约束条件选择合适的边对社会网络图随机地增删或转换扰动，从而提高社会网络数据的可用性。本发明是通过以下技术方案达到上述目的:一种基于谱约束和敏感区划分的网络用户结构扰动方法，包括以下步骤:I)输入网络用户结构图G将其用邻接矩阵A表示，求出A对应的拉普拉斯矩阵L=D-A, D为图G的度序列；2)求出邻接矩阵A的最大特征值和其对应的特征向量λ 17 el={Xl, χ2,...,χη}τ；3)求出拉普拉斯矩阵L的第二小特征值和其对应的特征向量μ 2，Q2= {yi, y2.....yJτ ；4)将网络用户结构图G划分敏感区和非敏感区Es，设网络用户结构图为G= (V, E),Pk={(V1,E1),..., (Vk, Ek)}为一个划分；eij表示网络中连接两个不同节点的边在所有边中所占的比例，这两个节点分别位于第i个节点和第j个节点；定义每行或者列中各元素之和为af Σ=5)计算网络用户结构图G中所有边的边介数；6)找出边介数最大的那条边，将它删除，并记录删除的边所对应的节点及敏感
占.
7)计算模块性Q的值，如果Q>0.3输出敏感点，否则重复步骤6)；
8)对网络用户结构图G进行K次扰动，如果扰动次数k〈K/2，进行边的增删扰动，计算上一次扰动后图的两个谱相对于原图的两个谱的变化趋势，接着选择要增删的边，使得增删后图的两个谱的变化趋势与前面计算的变化趋势相反；9)如果扰动次数k>K/2，进行边的转换扰动，计算上一次扰动后图的两个谱相对于原图的两个谱的变化趋势，接着选择要转换的边，使得转换后图的两个谱的变化趋势与前面计算的变化趋势相反；10)输出扰动后的网络用户结构图G’。本发明的有益效果在于:本发明提供了一种基于谱约束和敏感区划分的网络用户结构扰动方法，从而提高社会网络数据的可用性，此方法可以排除无效扰动提高隐私保护程度，在隐私保护的同时可更好地保持社会网络的结构特性。
图1是本发明的整体流程图。
具体实施例方式下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此:如图1所示，一种基于谱约束和敏感区划分的网络用户结构扰动方法，包括以下步骤:1、一种基于谱约束和敏感区划分的网络用户结构扰动方法，包括以下步骤:I)输入网络用户结构图G将其用邻接矩阵A表示，求出A对应的拉普拉斯矩阵L=D-A, D为图G的度序列；2)求出邻接矩阵A的最大特征值和其对应的特征向量λ 17 ei={Xl, x2,...,xn}T；3)求出拉普拉斯矩阵L的第二小特征值和其对应的特征向量μ 2，Q2= {yi, y2.....yJτ ；4)将网络用户结构图G划分敏感区和非敏感区矿，Es，设网络用户结构图为G= (V, E),Pk={(V1,E1),..., (Vk, Ek)}为一个划分；eij表示网络中连接两个不同节点的边在所有边中所占的比例，这两个节点分别位于第i个节点和第j个节点；定义每行或者列中各元素之和为Bi= Σ」ei而<).，5)计算网络用户结构图G中所有边的边介数；6)找出边介数最大的那条边，将它删除，并记录删除的边所对应的节点及敏感
占.
7)计算模块性Q的值，如果Q>0.3输出敏感点，否则重复步骤6)；8)对网络用户结构图G进行K次扰动，如果扰动次数k〈K/2，进行边的增删扰动，计算上一次扰动后图的两个谱相对于原图的两个谱的变化趋势，接着选择要增删的边，使得增删后图的两个谱的变化趋势与前面计算的变化趋势相反；9)如果扰动次数k>K/2，进行边的转换扰动，计算上一次扰动后图的两个谱相对于原图的两个谱的变化趋势，接着选择要转换的边，使得转换后图的两个谱的变化趋势与前面计算的变化趋势相反；
10)输出扰动后的网络用户结构图G’。以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。
权利要求
1.一种基于谱约束和敏感区划分的网络用户结构扰动方法，其特征在于包括以下步骤: 1)输入网络用户结构图G将其用邻接矩阵A表示，求出A对应的拉普拉斯矩阵L=D-A,D为图G的度序列； 2)求出邻接矩阵A的最大特征值和其对应的特征向量λ17 θι={Χι, χ2,...,χη}τ； 3)求出拉普拉斯矩阵L的第二小特征值和其对应的特征向量μ2,q2={yi, J2,..., yn}T ； 4)将网络用户结构图G划分敏感区和非敏感区矿，Es,设网络用户结构图为G= (V, E),Pk={(V1,E1),..., (Vk, Ek)}为一个划分；eij表示网络中连接两个不同节点的边在所有边中所占的比例，这两个节点分别位于第i个节点和第j个节点；定义每行或者列中各元素之和为 a, Σ Jeij,而
全文摘要
本发明属于互联网信息安全领域，涉及社会网络隐私保护方法，尤其涉及一种基于谱约束和敏感区划分的网络用户结构扰动方法，包括以下步骤对输入的网络用户结构图G进行敏感区与非敏感区的划分，然后对社会网络图进行基于谱约束的随机扰动并输出网络用户结构图G’。本发明的有益效果在于本发明提供了一种基于谱约束和敏感区划分的网络用户结构扰动方法，从而提高社会网络数据的可用性，此方法可以排除无效扰动提高隐私保护程度，在隐私保护的同时可更好地保持社会网络的结构特性。
文档编号H04L12/24GK103200034SQ20131009959
公开日2013年7月10日 申请日期2013年3月26日 优先权日2013年3月26日
发明者李云水, 王小号, 俞翔, 江颉 申请人:杭州新世纪信息技术股份有限公司, 浙江工业大学