21、在线社交网络中 k - 匿名和 ℓ - 多样性的应用

在线社交网络中 k - 匿名和 ℓ - 多样性的应用

在当今数字化时代，在线社交网络（OSN）的数据隐私保护至关重要。本文将探讨如何利用 k - 同构和 ℓ - 多样性技术来保护 OSN 数据中用户的关系隐私。

1. k - 同构隐私保护技术

在图数据中，为了实现一定的隐私保护，提出了一种匿名化技术以达到 k - 同构隐私保护。与 k - 自同构技术相比，k - 同构技术的改进之处在于将原始图 G 划分为 k 个不相交的子图，从而确保所有 k 个子图完全同构。

2. ℓ - 多样性模型

2.1 模型提出背景

k - 匿名模型虽然能保证基于准标识符属性，任何对象与至少 k - 1 个其他对象无法区分，形成一个组，但同一组中对象的敏感属性值可能相同。攻击者虽不能识别目标对象，但仍可推断其敏感属性值。为应对这种攻击，提出了 ℓ - 多样性模型，以确保每组中任何敏感属性的值具有多样性。

2.2 攻击模型与隐私保证

• 攻击模型 ：攻击者试图推断两个目标用户之间的敏感关系。假设攻击者已知每个目标用户的朋友数量（在 OSN 图中用顶点度表示），且在最坏情况下，可根据用户博客等背景知识识别其中一个目标用户。
• 隐私保证 ：k - 度匿名技术不足以保证所需的关系隐私。为此提出了新的隐私匿名化模型——ℓ - 多样性匿名。

定义 8 ：一个发布的网络是 ℓ - 多样性匿名的，当且仅当给定任意两个用户的度，即使其中一个用户可从发布的数