声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：孟绪颖,张琦佳,张瀚文,张玉军,赵庆林,
关键词：链路预测, 社交网络, 隐私保护, 个性化, 差分隐私,
链路预测(linkprediction)是社交网络中社交关系预测和推荐的重要手段，然而链路预测过程中需要大量用户个人信息，带来了极大的隐私泄露的危险.用户很可能拒绝提供链路预测需要的信息，这将导致链路预测效果的下降，从而会进一步伤害用户体验.为了打消用户隐私泄露的顾虑，激励用户为链路预测提供更多的数据，提出了一种社交网络链路预测的个性化隐私保护方法.摆脱了对服务商的完全依赖，让用户和服务商共同合作来完成链路预测；为敏感信息和非敏感信息添加不同强度的噪声干扰，保护敏感链路不被泄露的同时维持较好的链路预测效果；并根据用户个性化的隐私设置，保证用户的敏感链路不会被公开的非敏感链路反推.最后，理论证明了提出的方法可以满足ε-差分隐私，并在真实数据集上验证了PrivLP能够在维持较高的链路预测准确性的前提下有效提升隐私保护效果.
来源：2019年第6期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。