基于聚類的社交網(wǎng)絡(luò)安全機(jī)制研究

李秋賢，周全興

（凱里學(xué)院，貴州 凱里 556011）

0 引 言

隨著網(wǎng)絡(luò)技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，社交網(wǎng)絡(luò)平臺給人們的交流和溝通帶來了很多便利，加快了用戶之間的信息傳播同時也拉近用戶之間的關(guān)系，社交網(wǎng)絡(luò)平臺的用戶數(shù)量也日益增加。由于用戶需要在社交平臺上注冊及提交個人信息，各類活動數(shù)據(jù)都聚集在社交網(wǎng)絡(luò)平臺上，吸引著眾多研究者對這些數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和挖掘，因此網(wǎng)絡(luò)平臺中的用戶信息和數(shù)據(jù)存在著一定的隱私泄露風(fēng)險。

為了保證社交網(wǎng)絡(luò)中用戶個人信息和傳播數(shù)據(jù)的隱私安全，同時提高數(shù)據(jù)挖掘?qū)ι缃痪W(wǎng)絡(luò)數(shù)據(jù)分析的有效性，眾多學(xué)者通過隱私保護(hù)的方法保護(hù)社交網(wǎng)絡(luò)中各類信息的安全。Wang等人為了保護(hù)社交網(wǎng)絡(luò)中加權(quán)圖上兩個頂點之間最短路徑的權(quán)重隱私，提出一個稱為k-匿名路徑隱私的新概念，并基于貪心的修改算法來修改不同類型的邊，實現(xiàn)k-匿名路徑隱私。吳響等人提出一種基于廣義路徑的匿名隱私保護(hù)算法——SPOLG算法，通過引入等概率抽樣，尋找信息丟失少的廣義路徑，提高數(shù)據(jù)處理效率，同時也有效降低了社交網(wǎng)絡(luò)中所發(fā)布數(shù)據(jù)的信息丟失概率。Ni等人提出一種移動社交網(wǎng)絡(luò)中基于匿名熵的位置隱私保護(hù)方案，該方案涉及在人口稠密地區(qū)采用的K-DDCA和在人口稀少地區(qū)采用的K-SDCA兩種算法解決位置隱私泄露問題。K-DDCA算法采用匿名熵方法選擇用戶組，構(gòu)建匿名區(qū)域，保證形成的匿名區(qū)域面積適中，請求內(nèi)容的多樣性，該方案可以提升隱私保護(hù)的效果和效率。雖然這些隱私保護(hù)技術(shù)一定程度上對各用戶的個人信息進(jìn)行了保護(hù)，但仍不乏惡意攻擊者通過用戶屬性和社交網(wǎng)絡(luò)節(jié)點對用戶發(fā)起攻擊。

為了更好地抵抗攻擊者通過背景知識學(xué)習(xí)的惡意攻擊，針對大數(shù)據(jù)環(huán)境中真實的網(wǎng)絡(luò)社交平臺進(jìn)行建模，提出基于聚類的社交網(wǎng)絡(luò)隱私保護(hù)技術(shù)，對社交網(wǎng)絡(luò)中的節(jié)點隱私、邊隱私和圖結(jié)構(gòu)隱私進(jìn)行深入研究。本文基于貪心的思想進(jìn)行聚類，降低社交網(wǎng)絡(luò)平臺中信息的損失度，保證社交網(wǎng)絡(luò)模型中用戶信息和發(fā)布數(shù)據(jù)的隱私和有效性。

1 預(yù)備知識

1.1 全同態(tài)加密

全同態(tài)加密是一種不需要訪問數(shù)據(jù)本身就能對數(shù)據(jù)進(jìn)行加密的加密技術(shù)，在該加密算法中，使用公鑰對數(shù)據(jù)加密得到相應(yīng)的密文，然后通過私鑰解密得到明文，這與直接對明文進(jìn)行加解密運算后得到的結(jié)果是一樣的。一個全同態(tài)加密方案一般由以下四個算法組成：

預(yù)處理階段（SK，PK）←SetupFHE(1)：輸入安全參數(shù)，輸出對應(yīng)的公鑰和私鑰；

加密階段←EncryptPHE（PK，）：輸入公鑰和需要加密的消息，輸出一個對應(yīng)的密文；

解密階段←DecryptPHE（SK，）：輸入私鑰和需要解密的密文，輸出一個對應(yīng)的明文；

運算函數(shù)c←EvalFHE（PK，，）：輸入公鑰、所有密文組和求值函數(shù)，輸出最后求解的函數(shù)值。

其中，明文=(，…，m)，密文=(，…，c)，密文組c=(，，…，c)，函數(shù)值c=(c)。

1.2 社交網(wǎng)絡(luò)結(jié)構(gòu)

社交網(wǎng)絡(luò)通過各用戶在社交平臺中進(jìn)行注冊實現(xiàn)用戶之間的交流和互動，又可稱為社交網(wǎng)絡(luò)服務(wù)，指的是社會關(guān)系中的個體信息和社交關(guān)系信息，其形式可以用一個帶標(biāo)簽的無向無權(quán)圖=(，)來表示。社交網(wǎng)絡(luò)是具有個節(jié)點的圖，其中={，…，v}表示社交網(wǎng)絡(luò)中各節(jié)點的集合，各節(jié)點v，=1，…，表示社交網(wǎng)絡(luò)中的各用戶，=(，)表示社交網(wǎng)絡(luò)中的邊集合，和表示節(jié)點與節(jié)點之間存在的某種關(guān)系。

社交網(wǎng)絡(luò)包含眾多社交用戶的個人信息和所發(fā)布的數(shù)據(jù)信息，因此在數(shù)據(jù)發(fā)布之前需要對數(shù)據(jù)進(jìn)行一定的匿名化處理，這樣才能保證用戶信息和隱私數(shù)據(jù)不易被泄露。如圖1所示為社交網(wǎng)絡(luò)中的數(shù)據(jù)發(fā)布場景，該場景可以將社交網(wǎng)絡(luò)中的數(shù)據(jù)發(fā)布分為兩個階段，第一個階段為數(shù)據(jù)收集和預(yù)處理階段，表示在社交平臺中從數(shù)據(jù)發(fā)布方進(jìn)行數(shù)據(jù)采集，然后對采集到的數(shù)據(jù)進(jìn)行匿名化和聚類處理，防止隱私信息的泄露；第二個階段為數(shù)據(jù)發(fā)布階段，表示對處理好的用戶隱私信息進(jìn)行發(fā)布，供所需數(shù)據(jù)方進(jìn)行數(shù)據(jù)分析與挖掘，提高數(shù)據(jù)的可用性和價值。

圖1 社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布場景圖

2 基于聚類的社交網(wǎng)絡(luò)模型

本文設(shè)計的基于聚類的社交網(wǎng)絡(luò)模型是利用匿名化處理，對社交網(wǎng)絡(luò)中的社交節(jié)點進(jìn)行匿名化后，再根據(jù)用戶信息和數(shù)據(jù)按照節(jié)點相似度進(jìn)行聚類，并對聚類后的社交網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分類和區(qū)分，如圖2所示。根據(jù)已有的社交網(wǎng)絡(luò)結(jié)構(gòu)=(,)和社交網(wǎng)絡(luò)結(jié)構(gòu)圖中的節(jié)點間距離進(jìn)行聚類，使得每個聚類后的超節(jié)點中至少包含個節(jié)點數(shù)，然后再對聚類后的超節(jié)點進(jìn)行匿名化處理，保證任何惡意攻擊者獲取用戶或數(shù)據(jù)信息的概率低于1/。

圖2 聚類社交網(wǎng)絡(luò)模型圖

基于聚類的社交網(wǎng)絡(luò)模型采用k-prototype聚類技術(shù)進(jìn)行設(shè)計，該技術(shù)通過記錄社交網(wǎng)絡(luò)各節(jié)點之間的距離，然后將距離較近的節(jié)點聚類到最近的超節(jié)點中，并通過聚類超節(jié)點樣本來更新網(wǎng)絡(luò)節(jié)點，以保證所有的節(jié)點都聚類到超節(jié)點中。聚類的超節(jié)點至少包含個網(wǎng)絡(luò)節(jié)點，在社交網(wǎng)絡(luò)模型中，隨機(jī)選擇個節(jié)點，根據(jù)節(jié)點間距離計算得到一條記錄到中心節(jié)點的距離，然后每次迭代對所有超節(jié)點進(jìn)行計算，直至得到最優(yōu)的聚類結(jié)果，然后選擇最有效的節(jié)點值，最后進(jìn)行輸出。

聚類算法運算結(jié)束后，社交網(wǎng)絡(luò)結(jié)構(gòu)中的所有節(jié)點都應(yīng)滿足相應(yīng)的隱私保護(hù)力度，然后再對聚類后的超節(jié)點進(jìn)行匿名化處理，以進(jìn)一步保證用戶信息e和數(shù)據(jù)的安全性，提高社交網(wǎng)絡(luò)中數(shù)據(jù)的隱私性和有效性。

3 基于聚類的社交網(wǎng)絡(luò)方案

本文所提出基于聚類的社交網(wǎng)絡(luò)方案是基于全同態(tài)加密技術(shù)和k-prototype聚類技術(shù)實現(xiàn)的，即方案中社交網(wǎng)絡(luò)節(jié)點的隱私是通過對各節(jié)點進(jìn)行匿名化聚類實現(xiàn)的，社交過程采用全同態(tài)加密技術(shù)實現(xiàn)對節(jié)點發(fā)送消息的加密，從而保證用戶個人以及消息的隱私性。本文構(gòu)造的基于聚類的社交網(wǎng)絡(luò)方案包括四個階段，分別為初始化階段、秘鑰生成階段、加解密階段和節(jié)點聚類階段。保護(hù)方案框架結(jié)構(gòu)圖如圖3所示。

圖3 保護(hù)方案框架結(jié)構(gòu)圖

3.1 初始化階段

首先需要輸入社交網(wǎng)絡(luò)并將其建模為社交網(wǎng)絡(luò)圖結(jié)構(gòu)，然后輸入匿名模型隨機(jī)參數(shù)，并對所選取的初始種子節(jié)點進(jìn)行匿名化處理。在此階段中，需要保證所有的網(wǎng)絡(luò)節(jié)點都分配到對應(yīng)的超節(jié)點中，且超節(jié)點中含有的節(jié)點數(shù)大于等于個，以保證任何惡意攻擊者獲取用戶或數(shù)據(jù)信息的概率低于1/。

3.2 秘鑰生成階段

根據(jù)所設(shè)計的基于聚類的社交網(wǎng)絡(luò)模型，結(jié)合全同態(tài)加密技術(shù)構(gòu)造支持隱私保護(hù)的社交網(wǎng)絡(luò)方案。在秘鑰生成階段，首先需要輸入安全參數(shù)和匿名后的社交網(wǎng)絡(luò)圖G*，通過全同態(tài)加密算法隨機(jī)生成公鑰和私鑰對（PK，SK），作為私密信息的加密和加密秘鑰，以保證用戶在社交過程中，之前發(fā)布的交流和隱私數(shù)據(jù)不被泄露。

3.3 加解密階段

社交過程中，各數(shù)據(jù)發(fā)布者和數(shù)據(jù)使用者在發(fā)布數(shù)據(jù)信息和分析挖掘數(shù)據(jù)信息的時候，需要對數(shù)據(jù)信息進(jìn)行加密和解密。首先，數(shù)據(jù)發(fā)布者需要使用秘鑰算法生成的公鑰PK對社交網(wǎng)絡(luò)平臺中需要加密的消息m進(jìn)行加密處理，然后再通過安全的數(shù)據(jù)通道對所生成的密文消息進(jìn)行發(fā)布和傳遞。

數(shù)據(jù)使用者接收到加密后的數(shù)據(jù)后，利用秘鑰生成算法生成公鑰對應(yīng)的私鑰SK，對需要解密的消息m進(jìn)行解密，然后利用解密算法輸出加密密文對應(yīng)的明文消息，在此社交網(wǎng)絡(luò)消息發(fā)布和傳遞過程中，只有網(wǎng)絡(luò)結(jié)構(gòu)中相應(yīng)的節(jié)點才能進(jìn)行訪問和解密。

3.4 節(jié)點聚類階段

在節(jié)點聚類階段，首先需要確定已做匿名化處理的各個節(jié)點的隱私保護(hù)力度，然后利用k-prototype聚類技術(shù)計算各個節(jié)點之間的距離，根據(jù)計算得到的距離將距離相近的節(jié)點聚類到一個超節(jié)點中。再次對聚類得到的超節(jié)點進(jìn)行匿名化處理，且超節(jié)點中含有的節(jié)點數(shù)大于等于個，以保證所有節(jié)點都滿足隱私保護(hù)力度，且能達(dá)到良好的聚類效果。

4 方案分析

4.1 性能對比分析

本文將所構(gòu)造的基于聚類的社交網(wǎng)絡(luò)安全方案和已有的社交網(wǎng)絡(luò)安全方案進(jìn)行對比與分析，表1為性能分析結(jié)果，其中“√”表示該方案滿足對應(yīng)的性能，“×”表示該方案不能滿足對應(yīng)的性能。我們主要基于社交網(wǎng)絡(luò)中存在不同的攻擊類型進(jìn)行分析和對比，分別為被動攻擊、背景知識攻擊和推理攻擊三個類型。

表1 不同方案性能分析對比表

4.2 安全性分析

定理 本文構(gòu)造的基于聚類的社交網(wǎng)絡(luò)方案中，如果全同態(tài)加密滿足其安全性，則所提出的模型和方案也是安全的。

證明：在社交網(wǎng)絡(luò)初始化階段，假如該方案中存在惡意的攻擊者，則惡意的數(shù)據(jù)使用者會對數(shù)據(jù)進(jìn)行隨意篡改或者肆意發(fā)布；但在秘鑰生成和加解密階段，惡意攻擊者A以目標(biāo)節(jié)點v的社交網(wǎng)絡(luò)圖結(jié)構(gòu)信息為背景知識，對發(fā)布的圖G*進(jìn)行攻擊，由于G*是經(jīng)過k-匿名化的結(jié)構(gòu)圖，所以惡意攻擊者A能夠識別目標(biāo)節(jié)點v的概率為1/。但根據(jù)全同態(tài)加密中單項函數(shù)的散列性質(zhì)，攻擊者無法從社交網(wǎng)絡(luò)中獲取具體的值，所以攻擊者在任意概率多項式時間內(nèi)找到和使得G*=G成立的概率是可以忽略不計的。因此本文提出的基于聚類的社交網(wǎng)絡(luò)方案安全的。

5 結(jié) 論

本文結(jié)合全同態(tài)加密技術(shù)和k-prototype聚類技術(shù)設(shè)計了基于聚類的社交網(wǎng)絡(luò)安全方案，為了實現(xiàn)方案的安全性和有效性，首先構(gòu)造了基于聚類的社交網(wǎng)絡(luò)模型，利用k-prototype聚類技術(shù)對距離較近的網(wǎng)絡(luò)節(jié)點進(jìn)行聚類再匿名化處理，使方案中的數(shù)據(jù)擁有者和數(shù)據(jù)使用者能夠較為安全地進(jìn)行數(shù)據(jù)分析和挖掘。方案滿足了安全性要求，且可抵抗被動攻擊、背景知識等不同的攻擊，實現(xiàn)了高效的社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)布和信息交流。