数据挖掘在社交网络中的隐私保护.docVIP

 PAGE 2 ???  PAGE 3 数据挖掘在社交网络中的隐私保护 唐伟晨 (学号: 111220114) (南京大学 计算机科学与技术系, 南京 210093) Privacy-Preserving Data Mining in Online Communities Weichen Tang (Department of Computer Science and Technology, Nanjing University, Nanjing 210093, China) Abstract: Online communities are the most dense area of individual privacy. With the rapid development of online communities, the number of privacy-disclosure problems has been increasing. This article shows the privacy-preserving data mining technology, including how to preserve privacy, the challenges we face and the benefits of privacy-preserving data mining in online communities. Key words: data mining; social networks; HYPERLINK app:ds:privacy protectionprivacy protection 摘 要: 在线社区是网络中个人隐私最为密集的区域。在线社区的飞速发展的同时，隐私泄露的问题也日益增多。本文介绍隐私保护数据挖掘技术，包括隐私保护的方法、面临的挑战以及实现在社交网络中隐私保护的数据挖掘的优势。 关键词: 数据挖掘；社交网络；隐私保护 中图法分类号: TP301　　　文献标识码: A 引言 近年来在线社区发展迅速，规模越来越大。截至2013年底我国微博用户为2.81亿，人人网注册用户2.8亿，还有许多大型论坛、企业社区、地方社区等等。可见在线社区用户规模庞大，可想而知在线社区中的数据规模也是十分庞大的。庞大的数据，又有各种应用数据挖掘技术的工具对这些数据进行着分析，就会很自然地引发关于隐私方面的争论。由于对数据挖掘技术的不了解，很多人都在批判将数据挖掘应用于在线社区等隐私集中的区域。本文将介绍数据挖掘是如何在发挥自身长处的同时保护用户隐私的。 背景介绍 在线社区简介 在线社区是建立在网络上的虚拟社区。用户通过注册来使用在线社区的扩展功能。在线社区既可以是互不相识的人们之前的交友平台，也可以是早已认识的两人的联络途径。在线社区的主要分类有两种，一种是所有人都可以在其中发布信息的，例如微博、BBS等，另一种则是拥有一定权限的人才可以在其中发布信息，例如博客，人人网个人主页等。 数据挖掘的隐私和安全 随着数据挖掘的广泛应用，人们越来越多担心如此大规模的应用数据挖掘，可能会对自己的隐私造成侵害，所以保护隐私的数据挖掘就应运而生了。保护隐私的数据挖掘是一个数据挖掘领域的研究，对数据挖掘中的隐私保护做出反应。当谈到隐私，人们认为就是“不让别人知道我的信息”，然而隐私的定义是“已经发生了的符合道德规范和正当的而又不能或不愿示人事或物、情感活动等”，这两者之间是有差别的。例如，一个人并不介意别人知道自己的生日，或者是母亲的名字等等。但是如果这些信息的暴露产生的负面效果，那么人们就会感到自己的隐私受到了侵犯。另外，如果一个人的所有信息都被暴露，那么很可能就会发生身份盗用。隐私保护数据挖掘就是要在完成自身功能的同时保护这些暴露的信息不被误用，还要防止身份盗用的发生。对隐私保护的研究过程中，产生了大量的方法，包括统计学、密码学等方面的方法，由此也产生了基于其上的隐私保护技术。 隐私保护的数据挖掘 3.1 基本思路 隐私保护的数据挖掘的出发点是基于非精确的原始数据挖掘出较为准确的结构。相比传统的数据挖掘，隐私保护的数据挖掘将原始数据库进行处理，进行特征重构以后再采取挖掘算法得到我们需要的数据。隐私保护的数据挖掘就是要在原始数据的不准确性和挖掘结果的准确性之间寻求平衡。 3.2 隐私保护技术 SMC技术 安全多方计算（SMC）是解决分布式计算安全性的重要方式。在分布式环境中，参与数据挖掘的各个节点间相互不知道对方的原始数据，这样最能保护隐私不被泄露。假设有1,2,3……,s节点，每个节点提供的值为，j=1,2,3……,s。假设所有节点和为属于区间[0,n]。SMC下执行求和过程如下：节点1选