基于差分隐私的网络数据保护方法研究

2022-12-05 版权声明 我要投稿

信息交互平台的增加,使得更多的社会个体参与到网络活动当中,导致大量的个人信息被采集和获取,由于网络中的数据共享需要发布大量的网络数据信息,因此也让人们对于个人的信息安全问题越来越重视[1]。为了保护好网络中个人数据的隐私安全,在进行网络的发布前需要首先对信息进行保护处理。网络数据的保护是为了保证每个人的在网络上输入的敏感信息不被泄露的前提下,将有效的信息进行实时的共享。

一、基于差分隐私的网络数据保护方法设计

(一)建立网络模型

针对网络数据保护的方法建立的网络模型,首先要明确网络数据发布的场景。网络数据发布场景主要围绕三个方面,攻击者的背景、数据发布的用途以及被保护的隐私数据信息。攻击者背景指的是网络数据安全攻击者为了获取到某个人的个人因素所掌握的相关数据[2]。在实际的操作中,背景的获取方法是通过在网络上的查询,大多数的信息交互平台支持模糊查找,同时也支持精准查找,只要对网络进行一定的搜索,便可以获取到相关的查询结果集。数据发布的用途是为了给相关的研究人员提供有效的数据集,根据不同的数据集用途要采用与其相对应的隐私保护方法[3]。本文设计的方法设定为针对最大背景知识的网络攻击者,即攻击者可以获取到包括目标个体数据信息在内的所有个体的数据信息,信息量的总和为最大的数据背景知识。

(二)差分隐私机制的算法流程

本文设计的差分隐私机制与传统的差分隐私不同的地方在于,对敏感度进行计算的过程中,除了要考虑到当前数据信息发布的影响外,还要考虑到由于交互因子所造成的影响。本文设计的差分隐私机制包括两个部分,首先是对敏感度进行求解以及对噪声添加的过程。

差分隐私机制要利用在查询函数中的返回值中,添加适当的噪音实现。差分隐私机制要满足输入一个长度设为L的查询序列,并且保证每一个查询到的结果都能得到一个实数,从而形成一个L维实数向量用作最后的查询结果,并在结果上添加一个符合分布的噪音,再将其返回给用户,通过这样的流程可以保证网络数据信息在进行发布的过程中个人隐私不会被泄露。差分隐私机制中噪声的添加取决于查询结果的敏感度,因此敏感度是影响噪声音量大小的重要因素。通过研究可以得出敏感度的求解公式为:

公式中,Sy表示为查询函数y的查询敏感度,表示为两个已知的网络,y(Gs)-y(Gs')表示为范数距离。当输入为一个权重网络,则输出的为一个L维实数向量。

(三)隐私保护

差分隐私是利用计算一条数据信息节点的存在与否,来判断整体分布中的差异,以此选择出合适的噪声用以对正式数据的隐藏。但传统的保护方法应用于网络中是很难实现这样的目的的,攻击者可以通过分析推断出节点是否真实的存在于网络当中。

隐私保护是为了保护节点Ⅰ的隐私,也可以理解为是判断Ⅰ是否存在与网络机构当中。网络中度的最大值应为8。

根据差分隐私机制可以得出,要想保护节点Ⅰ的数据隐私,通过还需要将节点Ⅰ对所有与节点Ⅰ有关的节点的影响考虑其中。与节点Ⅰ有关联的节点共有8个,而这8个节点的分布基本相同,度最大的值为2外。

度分布信息最大值为7,因此取这几个数值的平均数应该为。假定经过噪声的添加后结果为10,那么现在的攻击者将很难确定节点Ⅰ的存在性,因此可以说明本文设计的方法成功的保护了节点Ⅰ的隐私。

二、实验论证分析

为了进一步验证本文设计的方法可以更好的保护网络数据中的隐私,因此设计了如下实验:

设置对照组为利用传统方法对网络数据进行保护;实验组为利用本文设计的方法对网络数据进行保护。表1为两种方法的对比结果

从表1中可以看出,实验组的散度百分比明显低于对照组,因此可以说明,本文设计的保护方法的保护效果明显好于传统的保护方法,本文设计的基于差分隐私的网络数据保护方法更适用于对网络中数据的保护,更具有实际的应用价值。

三、结束语

本文设计的方法可以有效的保护网络数据中个人信息的隐私,但仍有一些不足之处,该方法没有考虑到当权重匿名时不可区分度与权重之间的关系,因此在后续的研究中,还将对网络数据中的权重属性进行更加深入的研究。

摘要:社交网络为人们带来便利的生活服务同时,也为人们带来了诸多的安全问题,个人隐私的泄露会给人们带来很大的困扰。基于此,提出基于差分隐私技术路径的网络数据保护方法研究,通过建立网络模型、制定算法流程完成差分隐私网络数据保护方法设计,实验结果表明:设计方法可以对网络中发布的数据起到全局保护作用,且效果明显好于传统方法。

关键词:差分隐私,网络,数据,保护

参考文献

[1] 陈晓宇,韩斌,黄树成.基于差分隐私的数据匿名化隐私保护方法[J].计算机技术与发展, 2018, 255(07):99-102.

[2] 侯令忠.基于差分隐私的体育个人信息安全保护及法律遵从研究[J].北京体育大学学报, 2018, 41(11):055-060.

[3] 王俊丽,柳先辉,管敏,等.基于差分隐私保护的社交网络发布图生成模型[J].同济大学学报(自然科学版), 2017,45(08):1227-1232.

上一篇:基于就业导向的高校财经类人才培养模式的研究下一篇:高速公路机电设备管理系统分析