差分隐私在社会网络数据发布及支持向量机分类中的应用

内容简介

本书针对社会网络数据发布中存在的隐私安全问题，深入研究并提出具体的差分隐私保护方法，为社会网络分析及数据挖掘等方法提供隐私保证。首先，针对推荐系统中计算预测评级时的隐私泄露问题，提出一种方法结合两种扰动方式发布预测评级结果。其次，针对加权网络中的边权重的隐私保护问题，提出一种MB?CI 扰动策略。再次，针对网络统计中发布聚集信息时的隐私泄露问题，为了提供更多关于社会网络中群体之间的行为信息、或簇之间的模式信息，提出一种基于边?差分隐私的方法，发布各个社区聚集系数的分布情况。*后，为了在隐私保护下发布社会网络图，以再现社科研究中有价值的结果，提出一种基于wPINQ平台的改进算法rTbI实现图重构计算。