大规模在线社会网络社区发现及隐私保护研究

The community detection and privacy preserving for large-scale online social network are two current research hotspots. Due to the different characteristics and application environments of large-scale online social network, the traditional social network analysis methods and privacy preserving models should be developed and improved. This research aims to develop community detection method and privacy preserving model based on Web data mining technologies and computational intelligence methods. (1) In order to improve the efficiency of community detection model for large-scale online social network, the hybrid methods are explored by integrating some strategies including Estimation of Distribution Algorithm (EDA), probability model based optimization algorithms and clustering methods. (2) Consider to the data publishing privacy preserving for large-scale online social network, the improved privacy protection models are explored to prevent De-Anonymization attacks. (3) In order to deal with the personalized privacy preserving problem on large-scale online social network, some new metric functions and preserving strategies for personalized privacy preseving model are explored to balance the personalized service quality and privacy protection efficiency

大规模在线社会网络分析和隐私保护是当前的研究热点，针对大规模社会网络的问题特征及应用环境，需要对传统社会网络分析方法和隐私保护方法进行发展及改进。本项目拟基于Web数据挖掘技术及智能计算方法进行大规模在线社会网络分析和隐私保护研究，主要包括：（1）大规模在线社会网络的社区发现方法，针对传统社区发现算法处理大规模社会网络效率较低的问题，基于分布估计算法（EDA）、概率模型优化方法、聚类等智能计算方法，引入和设计新的社区挖掘计算方法来获得更好的社区挖掘效果。（2）针对大规模在线社会网络数据发布中的隐私保护问题，研究有效防范去匿名化攻击且适用于大规模网络的高效隐私保护模型。（3）探索个性化隐私保护技术，在大规模在线社会网络隐私保护模型中融合个性化隐私保护技术，研究新的度量函数更好地平衡个性化服务质量和隐私保护的效果，同时探索提高个性化隐私保护算法的效率，使之适应于大规模在线社会网络系统应用环境。

大规模在线社会网络分析和隐私保护是当前的研究热点，针对大规模社会网络的问题特征及应用环境，需要对传统社会网络分析方法和隐私保护方法进行发展及改进。本项目基于数据挖掘技术及机器学习方法进行大规模在线社会网络分析挖掘和隐私保护研究，主要研究内容包括：（1）大规模在线社会网络社区发现及数据挖掘相关问题研究。针对传统社区发现算法处理大规模社会网络效率较低的问题，基于分布估计算法设计新的社区挖掘方法；基于机器学习方法研究多标记社交网络数据分类问题。（2）基于准线性支持向量机模型的相关研究。针对现实世界中噪声大、训练样本少的复杂分类问题，传统的非线性核函数支持向量机在学习这类数据时容易出现过学习问题。研究适合的非线性支持向量机分类方法，既能有效避免过学习问题又能得到较好的分类识别率。（3）信息安全及隐私保护相关问题研究。主要包括应用于大规模在线社会网络的网络认证及隐私保护问题。项目研究取得的主要研究进展和重要结果包括：（1）提出一种基于均衡搜索和聚类分析的自适应小生境分布估计算法解决社区发现优化问题。（2）通过挖掘标记之间的相关约束信息提高多标记分类器性能，基于局部标记约束和分类链策略提出改进的多标记分类模型。（3）提出了一种基于复合核函数的准线性支持向量机模型，能有效避免过学习问题又能得到较好的分类识别率，并基于该模型研究了一系列拓展问题。（4）研究具有强安全属性的认证与密钥协商协议，给出了强安全协议模型及安全协议，提出了一种针对认证与密钥协商协议的新的攻击——强密钥泄露伪装攻击，同时给出了抵抗该攻击的模型，并完成了强安全的认证协议及相应的安全证明。研究基于口令和生物特征的双因子认证协议，解决了用户在传统双因子认证中携带智能卡的弊端，用户只需持有口令和生物信息即可完成认证和密钥协商。研究具有隐私保护的认证与密钥协商协议，指出了一些具有隐私保护的安全协议出现的问题，同时给出了相应的改进方法，给出了具有隐私保护的认证协议应具备的相关准则。