基于社區(qū)劃分用戶隱私泄露方法

付東煒

摘 要：社交網(wǎng)絡結(jié)構(gòu)信息和非敏感屬性信息均可通過公開的用戶信息進行推測，從而推測出隱私用戶的信息，甚至造成敏感屬性的推測，該文提出一種基于社區(qū)關(guān)鍵節(jié)點隱私用戶推測方法，對社區(qū)劃分中關(guān)鍵節(jié)點用戶隱私推測策略，最后以實例來說明其推測過程。

關(guān)鍵詞：社交網(wǎng)絡 敏感屬性 推測 社區(qū)劃分

中圖分類號：TP293 文獻標識碼：A 文章編號：1672-3791（2017）03（c）-0010-02

社交網(wǎng)絡的高速發(fā)展，不同社交團體之間關(guān)系緊密，有的社交團體關(guān)系稀疏，這些不同的群體社交關(guān)系網(wǎng)絡中的社區(qū)[1]。研究表明，很多在線社交網(wǎng)絡用戶對安全風險認識不足[2，3].通過對Facebook上調(diào)查80%用戶使用個人使用清晰可識別或者半可識別的個人照片信息[2]，而一些用戶在交流過程中被泄露[3]。

1 基于社區(qū)劃分用戶隱私泄露

在社交網(wǎng)絡中大量用戶的個人信息是公開的，對于社交網(wǎng)絡中用戶u，由其好友組成的好友關(guān)系網(wǎng)絡Gu=（Vu，Eu），Vu=Eu即與用戶u鄰接節(jié)點的集合，Eu ={i， j|i， j∈Vu }即用戶u的好友之間關(guān)系的集合。利用社區(qū)發(fā)現(xiàn)算法可以將Gu分為社區(qū)Ci，i=1，2，…，N，N 為總的社區(qū)數(shù)。對社區(qū)Ci內(nèi)公開信息的用戶Pubi計算，Ki為社區(qū)Ci內(nèi)的公開信息核心結(jié)節(jié)數(shù)，Pi為社區(qū)Ci核心集，令Ti=| Pubi|/|Ci|=θ，Tik=| Ki|/| Pi |=θ，|Ci|為社區(qū)中總用戶數(shù)，|Pubi|為社區(qū)信息公開的用戶數(shù)，| Pi |為社區(qū)的核心結(jié)節(jié)數(shù)，|Ki|為社區(qū)核心公開數(shù)，為了保證實驗的有效性，Ti，Tik滿足θ，θ，是實驗中的閾值，該文中θ是關(guān)鍵值，下面按照兩種情況進行討論：如果 Tik非常小，通過對Ti公開信息的內(nèi)容進行推測，如果關(guān)鍵節(jié)點信息被隱藏，而關(guān)鍵節(jié)點的連接節(jié)點信息都公開的，那關(guān)鍵節(jié)點的信息可以推測出來；如果關(guān)鍵節(jié)點信息被隱藏，但在關(guān)鍵節(jié)點中有隱藏節(jié)點，此時，分兩種情況：（1）如果隱藏節(jié)點數(shù)目有限，則可以直接推測出關(guān)鍵信息；（2）如果隱藏節(jié)點數(shù)目多，無法直接推測關(guān)鍵節(jié)點，通過其周圍節(jié)點信息的公開情況來推測其信息，再推測關(guān)鍵節(jié)點信息。

如果Ti值很大時，可以大大提高關(guān)鍵節(jié)點推測正確率。當Ti值很大時，Tik很大時，則系統(tǒng)推測正確率高；當Ti值很大時，Tik很小時，通過關(guān)鍵節(jié)點的連接節(jié)點推測出關(guān)鍵節(jié)點信息，提高Ti k的值，從而提高系統(tǒng)推測正確率；當Ti值很小時，Ti k很大時，通過關(guān)鍵節(jié)點推測其連接節(jié)點，提高Ti的值，從而提高系統(tǒng)推測正確率；當Ti值很小時，Ti k很小時，此時系統(tǒng)無法保證很高的推測正確率。算法如下：

（1）利用modularity 為度量的社區(qū)發(fā)現(xiàn)，實現(xiàn)劃分社區(qū)和利用PageRank算法確定每個社區(qū)的關(guān)鍵節(jié)點；

（2）計算 Ti，Tik，θ取0.4，θ取0.5 ，如果Ti值大，θ可以取小點；

（3）If Ti≥0.4andTik≥0.5通過關(guān)鍵節(jié)點，推測連接隱私節(jié)點信息，再推測其它關(guān)鍵節(jié)點或先推測所有關(guān)鍵節(jié)點，再推測其它節(jié)點；

（4）If Ti≥0.4andTik<0.5通過連接節(jié)點，推測關(guān)鍵隱私節(jié)點信息，再推測其它連接節(jié)點；

（5）If Ti<0.4andTik≥0.5通過關(guān)鍵節(jié)點，推測連接隱私節(jié)點信息，再推測其它關(guān)鍵節(jié)點。

2 實例說明

以圖1為例對信息推測過程進行仿真，該實例可以分為4個社區(qū)，通過PageRank算法計算得到關(guān)鍵節(jié)點，則社區(qū)A，B，C，D關(guān)鍵節(jié)點：A={A2，A3}，B={B1，B3}，C={C1，C3}，D={D5，D3}。

首先計算A社區(qū)中隱藏節(jié)點A1的信息，令Ai={InFi1A，InFi2A， InFi3A ，…， InFinA}，表示A社區(qū)中i節(jié)點的信息。A社區(qū)能夠成為一個獨立的社區(qū)，成員之間存在大量地相同信息，A1=A2∩A3∩A4，A2∩A3，關(guān)鍵節(jié)點，信息中包括著與A1與A4的信息，已經(jīng)A4的信息是公開，此時，隱藏節(jié)點A1= A2∩A3∩A4∪（A2∩A3-A4）通過關(guān)鍵節(jié)點來推測連接節(jié)點。

在社區(qū)C中，通過關(guān)鍵隱藏節(jié)點C3，通過C2，C1，C4進行推測C3= C2∩C1∩C4，已經(jīng)C1也是關(guān)鍵節(jié)點，也存在部分信息C1-C2∩C4-C3中信息為C3的信息，則C3= C2∩C1∩C4∪（C1-C2∩C4-C3）。

以此類推，圖1中所有的隱藏節(jié)點都可以推測出來，由于時間關(guān)系，實驗仿真部分可選現(xiàn)有微博等用戶進行實例推測，后期的工作中對相關(guān)信息推測進行推進。

4 結(jié)語

該文提出一種基于關(guān)鍵節(jié)點的隱私用戶信息推測方法，通過社區(qū)的關(guān)鍵節(jié)點推測其它隱私節(jié)點信息。后期的工作通過對完整的社交信息進行學習，找出信息中關(guān)鍵節(jié)點在信息傳播過程中的作用。

參考文獻

[1] NEWMAN M. Modularity and community structure in network[J].The National Academy of Sciences，2012， 103（23）：8857-8582.

[2] Gross R，Acquisti A.Information revelation and privacy in online social networks[C]//Proc of ACM Workshop on Privacy in the Electronic Society.2013：71-80.

[3] Huberman B A，Adar E，F(xiàn)ine L R.Valuating privacy[J].IEEE Security and Privacy，2014，10（5）：22-25.