本發(fā)明涉及數(shù)據(jù)隱私保護
技術領域：
：，具體涉及一種動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法。
背景技術：
：：社會網(wǎng)絡是由許多節(jié)點和邊構成的一種社會結構，節(jié)點通常是指個人或組織，節(jié)點之間的連線即邊代表個人或組織的相互關系。隨著經(jīng)濟的快速發(fā)展，社會網(wǎng)絡的應用也越來越普及，例如facebook、linkinin等。社會網(wǎng)絡中包含著用戶有很多的個人信息，例如姓名，性別，年齡，地址，職業(yè)。在社會網(wǎng)絡圖中，屬性表示為標簽，用戶可以選擇特定屬性信息隱藏，所以標簽可以分為敏感和非敏感。最常用且直觀的一種匿名方法為簡單匿名，即移除能唯一標識用戶的顯式標識符屬性，只保留標簽表示屬性信息。許多先前的研究已經(jīng)證實簡單匿名不足以保護用戶隱私。而現(xiàn)有的研究也僅是基于靜態(tài)網(wǎng)絡設計的通用的隱私保護方法，隱私保護技術集中于研究單次數(shù)據(jù)發(fā)布，而很少是基于動態(tài)網(wǎng)絡多次發(fā)布的用途來設計隱私保護方法。發(fā)展變化的社會網(wǎng)絡數(shù)據(jù)動態(tài)發(fā)布需要動態(tài)的隱私保護方法來處理。技術實現(xiàn)要素：本發(fā)明所要解決的是現(xiàn)有隱私保護的匿名方法僅是基于靜態(tài)網(wǎng)而設計，而無法適用于動態(tài)網(wǎng)絡多次發(fā)布的問題，提供一種動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法。為解決上述問題，本發(fā)明是通過以下技術方案實現(xiàn)的：動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法，包括如下步驟：步驟1、設定隱私水平l和時間窗口w，并將分組表gs-table置為空；步驟2、初始化當前時刻t原始的社會網(wǎng)絡數(shù)據(jù)；即去掉顯示的標識屬性，改用標簽表示；同時，將節(jié)點集合按度數(shù)排列，得到新的節(jié)點集合；步驟3、對帶敏感標簽的節(jié)點根據(jù)鄰居標簽相似度進行分組；步驟3.1、選擇新的節(jié)點集合中度數(shù)最大的帶敏感標簽的節(jié)點，并將該選中的節(jié)點從新的節(jié)點集合中去除；步驟3.2、計算選中的帶敏感標簽的節(jié)點和新的節(jié)點集合中的每個節(jié)點的標簽相似度，并將該選中的帶敏感標簽的節(jié)點及其標簽相似度最相似的節(jié)點歸為一組，直到該分組中所包含的節(jié)點個數(shù)達到隱私水平l；步驟3.3、重復步驟3.1-3.2，直至新的節(jié)點集合中不再含有帶敏感標簽的節(jié)點；步驟4、完成分組的工作后，將t時刻所生成的分組，合并到分組表gs-table中；步驟5、判斷當前時刻t是否小于等于時間窗口w；如果t≤w，則返回步驟2；如果t＞w，則從分組表gs-table中移除t-w時刻所生成的分組；步驟6、對于分組表gs-table中的各個分組，對組內(nèi)所有節(jié)點的1-鄰居圖采用邊復制和標簽泛化的方法把原始圖匿名成同構；步驟7、發(fā)布匿名后的社會網(wǎng)絡數(shù)據(jù)。上述步驟1中，將節(jié)點集合按度數(shù)降序排列，得到新的節(jié)點序列。上述方法中，每個時刻t對應一次原始的社會網(wǎng)絡數(shù)據(jù)的更新。上述方法中，隱私水平l的取值范圍介于2～30之間。上述方法中，時間窗口w的取值范圍介于1～10之間。與現(xiàn)有技術相比，本發(fā)明具有如下特點：(1)本發(fā)明在每次分組時，都把鄰居標簽相似度最大的節(jié)點分到一組，直到所有的帶敏感標簽的節(jié)點分配合適的分組，最后對組內(nèi)的非敏感標簽的個體在匿名社會網(wǎng)絡中做隱藏標簽處理；這樣能夠保護帶敏感標簽的節(jié)點，使得帶敏感標簽的節(jié)點在匿名前后的改變小，匿名損失最??；(2)本發(fā)明對w次發(fā)布的社會網(wǎng)絡進行l(wèi)w-grouping分組，使之滿足動態(tài)網(wǎng)絡多次發(fā)布的匿名要求，t時刻已經(jīng)分組的節(jié)點，t+1時刻不能分到其他組中，這樣攻擊者就不能通過比對多次發(fā)布，使敏感信息泄露；(3)本發(fā)明建立一個gs-table表，其僅保證在連續(xù)w次發(fā)布中，對組內(nèi)節(jié)點的1-鄰居圖進行匿名化處理，而超過w次發(fā)布時候，則從表內(nèi)移除t-w時刻的分組，從而保證數(shù)據(jù)的可用性和效用性。附圖說明圖1為動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法的原理圖。圖2為動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法的流程圖。圖3為不同時刻輸入的社會網(wǎng)絡，其中(a)為t＝1時刻輸入的社會網(wǎng)絡g1，(b)為t＝2時刻輸入的社會網(wǎng)絡g2，(c)為t＝3時刻輸入的社會網(wǎng)絡g3。圖4為不同時刻匿名后的社會網(wǎng)絡，其中(a)為t＝2時刻匿名社會網(wǎng)絡g2’，(b)為t＝3時刻匿名社會網(wǎng)絡g3’。具體實施方式本發(fā)明用到的社會網(wǎng)絡數(shù)據(jù)是帶標簽的簡單無向圖，攻擊者的背景知識可以是任意節(jié)點所在的特定的子圖信息，即鄰居標簽信息。社會網(wǎng)絡數(shù)據(jù)在發(fā)布前需要進行初步的匿名處理，即去掉唯一標識節(jié)點的顯示標識屬性，如姓名等，改用標簽表示屬性信息。發(fā)布的圖用gt(vt；et；lt)表示動態(tài)網(wǎng)絡t時刻的圖，其中vt為節(jié)點的集合，表示社會網(wǎng)絡中的個人或其他實體；et表示個體之間的關聯(lián)，即圖中邊的集合，表示個人或?qū)嶓w間的關系，如朋友、合作關系；lt表示個體的標簽的集合。本發(fā)明提出了一個動態(tài)網(wǎng)絡多次發(fā)布隱私模型，即lw-graphic-diversity。該lw-graphic-diversity模型給定一個在時刻t帶標簽的動態(tài)網(wǎng)絡gt(vt；vst；et；lt)和一個隱私閾值l。其中vt表示節(jié)點的集合；vst表示帶敏感標簽的節(jié)點的集合；et表示邊的集合；lt表示個體的標簽的集合；γ表示節(jié)點到標簽的映射關系，γ:vt→lt。在這個模型中，把節(jié)點鄰居標簽信息作為攻擊者的背景知識，個體自身的敏感標簽，作為用戶需要保護的敏感信息，就是將原始網(wǎng)絡gt轉(zhuǎn)化為局部擾亂的匿名社會網(wǎng)絡gt’，使匿名后的網(wǎng)絡在動態(tài)發(fā)布中滿足l-多樣性要求。在動態(tài)發(fā)布的社會網(wǎng)絡經(jīng)過本發(fā)明的匿名方法處理，能夠有效防止攻擊者使用背景知識對用戶所在的發(fā)布的數(shù)據(jù)中重新定位。參見圖1，本發(fā)明所設計的動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法，其主要的數(shù)據(jù)處理過程為：首先是初始化數(shù)據(jù)，即去掉顯示的標識屬性，改用標簽表示。除此之外，再將節(jié)點集合vt按度數(shù)降序排列，得到新的節(jié)點序列。接下來是對帶敏感標簽的節(jié)點根據(jù)鄰居標簽相似度進行分組，在此過程中：先選擇第一個帶敏感標簽節(jié)點，這里選擇當前節(jié)點列表中度數(shù)最大的敏感節(jié)點，此時節(jié)點集合vt中除去已選中的節(jié)點。后計算這個節(jié)點和vt中的每個節(jié)點的標簽相似度，選擇最相似的節(jié)點放在一組，直到組中節(jié)點包含的節(jié)點個數(shù)達到隱私水平l。再選擇下一個帶敏感標簽的節(jié)點，重復以上步驟直到剩下的節(jié)點集合v的個數(shù)小于l，候選集中的節(jié)點表示準備選到組中的帶敏感標簽的節(jié)點集。直到候選節(jié)點集合為空，此時所有的敏感標簽節(jié)點分到鄰居標簽信息相似度最大的組。但如果存在組g中帶標簽個體個數(shù)小于l，則從組集中移除組gi，并且將組中的節(jié)點分到和組中節(jié)點有最大標簽相似度的其他的組中去。完成分組的工作后，將生成的組集ct，即t時刻所有gi的集合，合并到gs-table中去，要保證w時刻內(nèi)隱私得到保護，對組內(nèi)節(jié)點的1-鄰居圖通過邊復制和標簽泛化的方法把原始圖匿名成同構，最后發(fā)布匿名后的社會網(wǎng)絡數(shù)據(jù)。為解決連續(xù)發(fā)布動態(tài)網(wǎng)絡的隱私問題，同時也保證數(shù)據(jù)效用性，本發(fā)明建立一個分組表gs-table，只保證連續(xù)w次發(fā)布中，對組內(nèi)節(jié)點的1-鄰居圖進行匿名化處理；而超過w時間，則從表內(nèi)移除t-w時刻的分組。gs-table是有組集構成，t＝1時刻的組集記為c1，即將帶標簽節(jié)點按照標簽相似度進行分組，直到帶敏感標簽的節(jié)點所在候選集為空，分組操作結束。組集中包含的組gi，每個組中包含的是l個帶不同標簽的節(jié)點集，紅色標記的是帶敏感標簽的節(jié)點，黑色是帶非敏感標簽的節(jié)點。每個組中包含不少于1個帶敏感標簽的節(jié)點。組中的節(jié)點在發(fā)布社會網(wǎng)絡匿名圖時，組內(nèi)節(jié)點標簽要全部隱藏。t＝2時刻的組集記為c2，c1組集gi中已經(jīng)分過組的節(jié)點，不能在c2組集的其他組中出現(xiàn)。t＝2時刻和組gi中節(jié)點有最大鄰居標簽相似度，但還未分到任何組中，通過分組，加入到c1組集gi中，生成c2組集中的gi’。直到w次連續(xù)后，gs-table構建完成。對于t＝2時刻的新添加的帶敏感標簽的節(jié)點，也進行分組操作，不能分到任何現(xiàn)有的組中，新添加的帶敏感節(jié)點要根據(jù)分組算法單獨分到新創(chuàng)建的組中，保證組內(nèi)新添加節(jié)點不少于l個帶不同標簽的個體，并且保證組內(nèi)節(jié)點全是新添加的節(jié)點。當t＞w時，移除t＝1時刻的c1，在滿足以上隱私要求條件下，更新ct組集中的節(jié)點。保證了數(shù)據(jù)的可用性。下面通過一個具體的實例來對本發(fā)明進行進一步說明：例：時間窗口w設為2。其中g1中的節(jié)點v1和g2中的節(jié)點v3是帶敏感標簽的節(jié)點，其他節(jié)點是不帶敏感標簽的個體。如表1，t＝1時刻對每個帶敏感標簽的個體劃分到鄰居標簽相似度最大的組中。如表2，t＝2時刻對節(jié)點重新分組，得到新的分組，此時gs-table中包括c1，c2。如表3，t＝3時刻將t＝1時刻在gs-table的分組移除，再對節(jié)點進行重新分組，此時gs-table中包括c2，c3。t＝2時刻需要匿名的節(jié)點就是gi∪gi’中所有的節(jié)點。針對動態(tài)社會網(wǎng)絡多次發(fā)布防止標簽鄰居攻擊用途中這一具體應用，本發(fā)明提出了一種滿足動態(tài)社會網(wǎng)絡數(shù)據(jù)隱私匿名方法，即動態(tài)網(wǎng)絡多次發(fā)布中防止標簽鄰居攻擊的匿名方法，如圖2所示，主要的實現(xiàn)過程如下：步驟1：初始化數(shù)據(jù)集，輸入社會網(wǎng)絡gt，參數(shù)隱私水平l，時間窗口w，分組表gs-table。每個時刻t對應一次原始的社會網(wǎng)絡數(shù)據(jù)的更新。圖3為不同時刻輸入的社會網(wǎng)絡gt，t＝1，2，3，w＝2，l＝2。步驟2：將gs-table置為空，將節(jié)點集合vt按度數(shù)進行降序排列，以方便后續(xù)程序中節(jié)點的選擇。步驟3：判斷當前時刻t是否小于等于w，若是，則轉(zhuǎn)到步驟4。否則轉(zhuǎn)到步驟9。由于算法在進行第一分組之前，當前時刻t＝1即連續(xù)發(fā)布次數(shù)必定小于等于設定的時間窗口w，因此在具體的算法編譯上，步驟3關于w與w判斷的步驟，可以在每次分組步驟運行之前進行，也可以在每次完成分組步驟之后進行，且并不會影響本發(fā)明實現(xiàn)效果。在步驟3中，從以下兩方面防止多次發(fā)布鄰居標簽信息攻擊，同時保證數(shù)據(jù)的效用性：在選擇帶敏感標簽節(jié)點分組時，如果t＝1時刻已經(jīng)分組的節(jié)點，t＝2時刻不能分到其他組里面去，有效防止了通過比對多次發(fā)布的社會網(wǎng)絡而造成了信息的泄露。對于t時刻的新添加的帶敏感標簽的節(jié)點，也進行分組操作，不能分到任何現(xiàn)有的組中，新添加的帶敏感節(jié)點要根據(jù)分組算法單獨分到新創(chuàng)建的組中，保證組內(nèi)新添加節(jié)點不少于隱私水平l個帶不同標簽的個體，并且保證組內(nèi)任意節(jié)點是新添加的節(jié)點，帶有相似的鄰居標簽信息。當t＞w時，移除t-w+1時刻的組集，在滿足以上隱私要求條件下，更新ct組集中的節(jié)點，t-w+1時刻不需要再匿名的帶非敏感標簽的節(jié)點保持在t-1時刻的匿名狀態(tài)，保證了數(shù)據(jù)的可用性。步驟4：判斷當前的帶敏感標簽的節(jié)點集vst是否為空。若為空，則轉(zhuǎn)到步驟5。否則轉(zhuǎn)到步驟10。步驟5：選擇vst中帶敏感標簽的節(jié)點us，即要找到gi的第一個節(jié)點us；則當前的分組即為gi＝{us}。步驟6：判斷當前的分組中的節(jié)點個數(shù)是否小于隱私水平l。如果小于l，則轉(zhuǎn)到步驟7。否則轉(zhuǎn)到步驟11。步驟7：判斷當前的候選集節(jié)點個數(shù)是否大于0。如果大于0，則轉(zhuǎn)到步驟8。否則轉(zhuǎn)到步驟11。只有節(jié)點的標簽不在當前gi中，節(jié)點才會合并到候選集中。步驟8：計算當前的帶敏感標簽的節(jié)點和候選節(jié)點集中各節(jié)點的鄰居標簽相似度，得到和帶敏感標簽的節(jié)點有最大鄰居標簽相似度的節(jié)點合并到當前的分組gi中，同時vt＝vt-{umax}。為了使得每個組內(nèi)的節(jié)點有相同的鄰居標簽信息，我們對節(jié)點進行適當?shù)姆纸M，所以在相同組內(nèi)的1-鄰居圖和標簽信息是同構的。帶有非敏感標簽的節(jié)點需要插入圖中，使得節(jié)點的標簽鄰居圖在每個組內(nèi)是同構的，并且組內(nèi)節(jié)點不少于l個。我們用以下指標對節(jié)點進行分組：鄰居標簽相似度(nlss)。對于兩個節(jié)點，v1的鄰居標簽信息(nlsv1)和v2的鄰居標簽信息(nlsv2)，他們的鄰居標簽信息相似度可以計算為：在t＝1時刻，由于當前的帶敏感標簽的節(jié)點vst不為空，所以選擇第一個帶敏感標簽的節(jié)點us，此時選擇x，則g1＝{x}，|g1|小于l，候選節(jié)點集中的節(jié)點要和x的標簽屬性不同，且候選集中的節(jié)點數(shù)不為空，從候選節(jié)點集中選取和x的鄰居標簽相似度最大的節(jié)點，依次計算nlss(x，vit)，得到max(nlss(x，y))＝3/3＝1，即他們有相同的鄰居標簽信息，鄰居標簽序列都為b，d，t，依據(jù)算法，選擇候選集合中的節(jié)點y，g1＝g1∪{y}，當前的vt＝vt-{y}，g1組中的節(jié)點個數(shù)不小于l，此時c1＝c1∪{g1}，如果gi中的節(jié)點數(shù)少于l，則將組中的節(jié)點按照鄰居標簽信息相似度，找到同組中節(jié)點有最大標簽相似度的組中去。在t＝2時刻，從候選節(jié)點集中選取和的標簽相似度最大的節(jié)點，依次計算nlss(x，vit)，得到max(nlss(x，z))＝4/4＝1，即他們有相同的鄰居標簽信息，鄰居標簽序列都為b，b，d，t，依據(jù)算法，選擇候選集合中的節(jié)點z，g1＝g1∪{z}，當前的vt＝vt-{z}，g1組中的節(jié)點個數(shù)不小于l，此時c2＝c2∪{g1}，如果gi中的節(jié)點數(shù)少于l，則將組中的節(jié)點按照鄰居標簽相似度，找到同組中節(jié)點有最大標簽相似度的組中去。必須指出的是在發(fā)布社會網(wǎng)絡圖中，分組的節(jié)點要進行標簽隱藏處理。步驟9：超過w時間，從表內(nèi)移除t-w時刻的分組，從gs-table中移除t-w時刻內(nèi)的組集ct。步驟10：將不少于l個不同的標簽的分組gi合并到ct中。步驟11：判斷分組gi中的節(jié)點個數(shù)是否小于l。如果是的話轉(zhuǎn)到步驟13，否則轉(zhuǎn)到步驟2。步驟12：從ct中移除當前gi，將組中的節(jié)點分到同u有最大鄰居標簽信息相似度的其他組中。步驟13：將ct合并到gs-table中。我們建立一個gs-table表，只保證連續(xù)2次發(fā)布中，對組內(nèi)節(jié)點的1-鄰居圖進行匿名化處理，超過w＝2時刻，從表內(nèi)移除t＝1時刻的分組。t＝1時刻得到c1的節(jié)點集合為{x，y}，此時gs-table中包括c1，在t＝2時刻得到c2中的節(jié)點集合為{x，z}，將c2合并到gs-table，此時gs-table中包括c1和c2，即在t＝2時刻要對{x，y，z}做邊復制標簽泛化的匿名化處理。只要t≤w，我們會一直構建gs-table。在t＝3時刻，其中t＞w＝2，將t＝1時刻中的c1移除，并將t＝3時刻的鄰居標簽相似度得到的分組c3合并到gs-table中。t＝3時刻只要對{x，z}做邊復制標簽泛化的匿名化處理，對于y節(jié)點t＝3時刻，不再進行接下來的匿名操作。步驟14：對組內(nèi)所有節(jié)點的1-鄰居圖通過邊復制和標簽泛化把原始圖匿名成同構。t＝1時刻原始圖滿足2-graphic-diversity，對于每個帶敏感標簽的節(jié)點us，至少有1個有相同標簽鄰居圖的節(jié)點，但節(jié)點本身帶不同的標簽。攻擊者不能高于1/2的概率識別帶敏感標簽的個體x。在圖中節(jié)點x帶有敏感標簽，同時，x和y有相同的1-鄰居圖，鄰居標簽信息也相同，即鄰居標簽都為b，d，t。gs-table中，{x，y}在組g1中。且在t＝1時刻有相同的鄰居結構，所以他們是不可區(qū)分的。t＝2時刻原始圖中帶敏感標簽的節(jié)點x的鄰居標簽信息發(fā)生變化，為b，b，d，t。為使帶敏感標簽的個體不被泄露，敏感標簽節(jié)點分組和lw-grouping算法產(chǎn)生的鄰居標簽相似度最大的節(jié)點集{x，y，z}，將x，y，z的1-鄰居圖做邊插入和標簽泛化的算法，匿名為同構。其中將節(jié)點vi的所有一步鄰居節(jié)點集合和這些節(jié)點間的邊的集合稱為節(jié)點vi的1-鄰居圖。邊插入是為了保證節(jié)點的鄰居標簽結構相似，我們先匹配標簽后匹配節(jié)點的度，t＝2時刻節(jié)點x新認識了標簽為b，度為1的節(jié)點，t＝2匿名圖中我們選擇一個未匹配的帶非敏感標簽的節(jié)點，標簽同樣為b，度為2的節(jié)點與y之間插入邊。之后插入其他邊使得x，y，z的1-鄰居結構圖為同構的。參見圖4(a)。t＝3時刻對節(jié)點集{x，z}中節(jié)點x，z的1-鄰居圖通過邊插入和標簽泛化的算法，匿名為同構。y節(jié)點的1-鄰居結構保持在t＝2時刻匿名圖的狀態(tài)。因為只要保證連續(xù)2次發(fā)布中，對組內(nèi)節(jié)點的1-鄰居圖進行匿名化處理，超過t＝2時刻，從表內(nèi)移除t＝1時刻的分組。參見圖4(b)。步驟15：結束。下面通過一個具體實例對本發(fā)明進行進一步說明：以下為本發(fā)明方法在本例中的社會網(wǎng)絡圖數(shù)據(jù)匿名前后保護帶敏感標簽個體的情況。t＝1，t＝2時刻如果攻擊者知道個體x的1-鄰居結構圖，因為個體z也有相同的標簽-鄰居圖，攻擊者不能以高于1/2的概率識別個體x，通過比對兩次發(fā)布的社會網(wǎng)絡圖，攻擊者不能唯一確定個體x及她的屬性l，因為x不是是唯一的節(jié)點度發(fā)生變化，個體及她的職業(yè)不會被泄露。t＝2，t＝3時刻如果攻擊者知道x的1-鄰居結構圖，因為z也有相同的標簽-鄰居圖，攻擊者不能以高于1/2的概率識別個體x，通過比對兩次發(fā)布的社會網(wǎng)絡圖，攻擊者不能唯一確定個體x及她的屬性l，因為個體x不是是唯一的節(jié)點度發(fā)生變化，個體及她的職業(yè)不會被泄露。當前第1頁12當前第1頁12