基于分层随机图的在线社会网络差分隐私保护方法

摘要

本发明公开了一种基于分层随机图的在线社会网络差分隐私保护方法，步骤包括：输入网络；基于分层随机图模型构建网络的树结构；根据预设的隐私预算，由马尔科夫蒙特卡洛方法在网络中采样得到采样树；以采样树的根节点作为初始当前节点；根据预设的隐私预算，计算当前节点的关联概率值；在网络中找到以当前节点为最近父节点的一组节点对，以关联概率值在该组节点对之间设置一条边；判断采样树是否遍历完毕，如果尚未完毕，则在采样树中继续遍历下一节点；否则将所有组节点间设置的边及其节点组成的净化网络输出。本发明能够解决社会网络敏感结构数据信息的隐私保护问题，能够满足差分隐私保护要求、同时保持良好的数据可用性。