社交网络中基于信息分享主体的隐私保护技术研究

The social network is becoming a communication platform for information sharing. But social networking privacy leak issue has been worrying. So, Privacy preserving is the one of active research topics in social network..Based on the exist methods of privacy preserving data publishing, this project focuses on privacy preserving of social networks, tries to research on privacy protection of information sharing from sharing participate and sharing group two aspects. Specifically, the main research topic content includes: 1) Study on participate privacy preserving technology to implement the users' hidden in the social network, and find a balancing between data privacy and data utility. 2) Study on group participates privacy preserving technology to achieve moments go underground in the dynamic social network. 3) Research on multi- participate collaborative filtering model of privacy policy to ensure the integrity and legitimacy of sharing content. 4) Research on privacy protection measurement model in social network to form an integrated, unified expression. .While the research is completed, it will build an efficient privacy information management system for the Internet. It will provide methods and technical support for information privacy and security. And, it also promotes the healthy development of Internet applications.

社交网络中已成为信息分享的一种交流平台，但存在令人堪忧的隐私泄露问题。因此，隐私保护自然成为社交网络中最活跃的研究议题之一。本课题聚焦社交网络隐私保护议题，在现有的隐私保护数据发布的基础上，试图分别从信息分享社交网络中的分享个体和分享群体两个方面，对信息分享主体所涉及到的隐私泄漏保护展开研究。具体而言，本课题主要的研究内容有：1）研究社交网络中分享个体隐私保护技术，寻求分享个体的隐藏和敏感数据隐私保护与可用性间平衡；2）研究社交网络中分享群体划分与隐藏方法，实现朋友圈在动态社交网络中的隐匿；3）研究多主体隐私策略协同过滤模型，确保分享内容的完整性和合法性；4）研究社交网络中分享主体的隐私保护度量模型，形成综合、统一的表达方式。通过本课题的研究，为社交网络环境下的信息隐私构建高效的管理体系，为分享信息的隐私保护等互联网信息安全提供方法和技术保障，促进社交网络应用的健康发展。

社交网络上进行信息分享成为现代人们生活中重要组成部分,保护信息分享主体的个人隐私成为关注热点之一。本研究从分享个体和分享群体两个方面进行隐私保护研究。主要开展的研究有：采用社交网络拓扑中增删边方式进行单节点结构匿名，匿名后的数据可用性好于同期算法；对合著网络进行权权重计算，实现带权重网络的节点匿名，经C-DBLP数据集验证显著提升数据可用性；对单个节点从相似性和联系频率进行朋友圈发现，实现分享群体划分，经部分Facebook、Google+ 、Twitter数据集验证，划分精度分别可达90%，81%，78%；对分享群体进行子图匹配，基于节点影响力的子图匹配算法，高效实现相似群体发现；对子图进行相似度计算获得相似度矩阵，利用基于子矩阵划分的矩阵双向聚类计算模型，构建相似子图群，实现子图匿名；对分享群体下的隐私规则进行线性融合和Condorect融合，实现多主体对同一分享内容的隐私策略认同。依托本项目，已经发表文章26篇，其中SCIE收录23篇，申请发明专利6项，培养博士4名（毕业1名），硕士15名（毕业15名）。依托于本项目的部分研究成果，申请人获得了2017年国家自然科学基金联合基金培育项目资助。