论文部分内容阅读
人们对社会网络(Social Networks)的研究已经有一个世纪的历史,在社会学,经济学,心理学,流行病学等学科里,对社会网络的研究都具有十分重要的意义。随着互联网的飞速发展,社会网络的研究都有举足轻重的地位。互联网的发展为社会网络提供了一个新的有利平台,越来越多的社会网络(包括朋友网络、电话网络、科学家合作网络、Email联络网络等等)被发布。当数据拥有者为了科学研究或商业等需要发布或与第三方共享这些社会网络数据时存在被隐私攻击的危险,如何有效保护社会网络中个人隐私备受关注。互联网站也采取了相应的一些措施来保护用户的隐私数据,然而随之而来的,攻击者对用户隐私的攻击方式也越来越高明。而了解现在主要的攻击方式是对网络数据进行隐私保护的必要的手段之一。本文以现今流行的社会网络的主流隐私保护方式为背景,介绍了隐私保护在社会网络中应用的片面性。根据攻击者在社会网络中可能收集到的不同的背景知识的情况,提出两种具有适用性的攻击算法:基于邻居结构的攻击方式和基于子图再识别的攻击方式。在基于邻居结构的攻击方式中,攻击者根据掌握的不同的背景知识,采取合适的攻击策略,从而能够取得较好的攻击效果;而在基于子图在识别的攻击方式中,首先介绍两种攻击者主动获取背景知识的攻击方式:主动攻击和被动攻击,并在此基础上分别提升两种方式的适用性,使得这种基于子图在识别的攻击方式在已经被保护处理的情况下,仍然具有可行性。通过介绍这样的两类攻击方式,来让更多的数据拥有者认识到隐私保护的重要性以及数据可能面临的风险,从而可以达到对社会网络更好的隐私保护的目的。