CN105389736A - 基于网络社区划分和少量样本朋友的隐私策略推荐方法 - Google Patents

Abstract

本发明提供基于网络社区划分和少量样本朋友的隐私策略推荐方法，首先将用户朋友按照社区进行划分，采用迭代边介数方法，考虑最大模块度，主要利用少量样本朋友的隐私策略进行对其他朋友隐私策略的推荐；在对样本朋友设置隐私策略时，考虑所需保护的个人信息，如姓名，性别，年龄，邮箱，电话号码，地址等。本发明在为用户做隐私策略推荐时，考虑了用户所在的网络社区、用户朋友间的相似度、用户对样本朋友的隐私策略设置来实现隐私策略推荐，能较好的体现用户个人偏好和相似朋友之间的类似隐私策略，能更加准确的为用户进行个性化隐私策略推荐，适合于现如今社交网络中准确的隐私策略推荐和网络隐私保护。

Description

基于网络社区划分和少量样本朋友的隐私策略推荐方法

技术领域

本发明属于推荐系统领域，具体涉及基于网络社区划分和少量样本朋友的隐私策略推荐方法。

背景技术

由于社会网络的广泛传播性、动态性以及多样性，受到越来越多的用户欢迎，大量社会网络服务网站快速崛起。人们利用社会网络提供的服务，将自己的资源存放在平台上,进行信息分享和互动交流。同时，人们通过以Facebook、人人网等为代表的社交网络平台与其余用户进行交流，并将个人信息暴露于其他用户之下，如姓名，性别，年龄，邮箱，电话号码，地址等。这些隐私数据一旦保护不当,就会给当事人的学习、工作和生活带来严重的后果,而且其影响范围之大、危害程度之深远远超过现实的社会网络。因此，如何保护社会网络中的隐私已经成为了一个迫在眉睫的问题。在这种情况下，网络隐私策略应运而生。基于隐私策略的访问控制是目前社会网络隐私保护的主要方法之一，具有灵活性、可定义性、可实施性等特点。马晓君提出基于概率的用户隐私偏好分析模型和基于隐私偏好的客体权限分析模型，采用概率的方法量化分析用户现有的访问者-群组分配与来访者的特征、数据类别等属性之间的相关性，但当前的社会网络主要是集中化管理的网站,用户没有权利在多个社会网络之间控制和分享他们的数据。王媛引入基于主体属性的访问者－角色授权规则和基于客体标签的角色－权限指派规则，解决了动态用户授权和细粒度访问权限指派问题；同时设计了面向社会网络个性化隐私策略管理和实施中间件，将个性化隐私策略管理有效地集成到对既有资源的访问控制系统中，但没有综合考虑资源层次关系带来的策略冲突，没有进一步扩展隐私策略一致性规则，无法实现资源多层次的隐私策略冲突检测。魏志强使用多类逻辑和描述逻辑，建立了隐私策略模型和隐私策略公理，提出了隐私规则知识库的概念，给出了隐私策略的逻辑推理方法，但逻辑较为复杂，不适合用在用户群体大，环境复杂的社交网络当中。姜文广提出了第三方服务平台个性化隐私保护模型，许可用户根据隐私偏好定义隐私策略,设定整合系统状态的数据项访问约束,实时管理所属资源和私人信息,并能动态更新策略。同时提出了支持用户隐私偏好的访问控制方法,将用户定义的隐私策略与用户数据和系统状态绑定,通过设置用户访问信息和服务资源的权限,限定隐私数据的访问范围,有效实施环境感知的访问控制，但无法解决算法和预定义函数以支持授权约束,没有结合XACML表达式,设计更完善的授权约束表达方式,以制定更灵活方便的策略重用方法。

随着社交网络研究的深入，社交网络中个体之间的关系得到进一步的挖掘和应用，构建用户之间的社会网络关系，并从这些关系中分析用户之间隐含的相似特征，是进行隐私策略推荐的有力支撑。

发明内容

发明目的:本发明的所要解决的技术问题是针对普通隐私策略推荐方法不考虑用户所在社交网络而单独分析用户个人的情况，以及依赖于用户多次手动添加设置隐私策略而导致用户体验性差的问题，提出一种基于网络社区划分和少量样本朋友的隐私策略推荐方法，分析用户在社会网络中朋友之间的相似性，以相似性为特征采用社区划分为基础的社区匹配算法作为推荐方法，实现隐私策略的准确推荐。

技术方案

基于网络社区划分和少量样本朋友的隐私策略推荐方法，包括以下步骤：

步骤1），通过边介数算法对用户所在网络社区进行划分，采用迭代的方式，以达到最大模块度；

步骤2），根据用户朋友社区的不确定性选择少量样本朋友，将最不确定的一部分朋友作为样本进行隐私策略设置；

步骤3），基于之前对网络社区的划分和对样本朋友的隐私策略的设置，对非样本朋友进行隐私策略的推荐；

步骤4），对于新加入的朋友，将其添加进之前划分的社区，并根据该社区内已设置的朋友的隐私策略对新加入的朋友进行隐私策略的推荐。

进一步的，本发明的基于网络社区划分和少量样本朋友的隐私策略推荐方法，步骤1）通过网络社区中朋友之间的关系结构进行社区发现，以网络结构中的边介数（通过该边的最短路径的条数）为基础，通过边介数算法找出模块度最大的社区结构，以此作为推荐使用的社区结构；

进一步的，本发明的基于网络社区划分和少量样本朋友的隐私策略推荐方法，步骤2）通过计算社区熵值找出最不确定的样本朋友，然后对隐私的访问权限进行设置是否可查看，设置的隐私信息包括：用户姓名、年龄、性别、地址、邮箱、电话号码、朋友关系；

进一步的，本发明的基于网络社区划分和少量样本朋友的隐私策略推荐方法，步骤3）对要进行隐私策略推荐的非样本朋友进行相似匹配，找到根据步骤1）所发现的社区结构属于同一社区的样本朋友，根据步骤2）中所设置的结果对非样本朋友进行隐私策略推荐；

进一步的，本发明的基于网络社区划分和少量样本朋友的隐私策略推荐方法，步骤4）对新加入的朋友，根据朋友关系找到匹配的社区，将其加入步骤1）所发现的社区结构，然后采用步骤3）所使用的方法进行隐私策略的推荐。

有益效果

本发明针对社交网络中的隐私策略推荐，结合用户所在的网络社区、用户朋友间的相似度以及用户的个人偏好来综合分析，基于用户的网络社区结构划分和用户对少量样本朋友的设置，有助于在关系复杂的社交网络中实现精确地个性化推荐。该方法弥补了以往简单通过用户手动设置，完全基于用户个人对每个朋友的权限进行设置；同时，为防止所推荐隐私策略与用户个人偏好相差大的问题，采用朋友关系分析，采用社区发现方法对朋友的社区结构进行划分，找出相似朋友。两方面的结合，既能实现自动的隐私策略推荐，也避免无根据的推荐而与预想结果偏差太大的难题。相对于传统的社交网络隐私策略推荐方法，能使得社交网站能够更精确的为用户进行隐私策略推荐，从而更好的保护用户的网络隐私。

附图说明

图1为本发明的流程图。

具体实施方式

结合流程图及实施案例对本发明所述的基于网络社区划分和少量样本朋友的隐私策略推荐方法作进一步的详细描述。

本实施案例采用用户朋友社区划分、用户隐私策略设置、基于朋友间相似的隐私设置推荐来精确提供个性化的隐私策略推送。如图1所示，本方法包含如下步骤：

步骤1），在进行社区结构发现时，

步骤1-1），社交网络中的每个用户都有很多朋友，对用户的朋友进行社区发现，以网络结构中的边介数，即通过该边的最短路径的条数为基础，迭代多次使用边介数算法，直到划分为每个节点作为一个单独的社区为止；

步骤1-2），从迭代过程中所发现的社区结构中找出模块度最大的社区结构，则可以将相似度最大的朋友进行聚类，将相似度小或没有相似度的朋友进行区分，以此作为推荐所使用的社区结构；

步骤2），选取样本朋友进行隐私策略设置时，

步骤2-1），首先要选取最不确定的样本朋友，每个社区内用户的权限有allow和deny两种，概率属于[0，1]，由该社区内用户总数量与已标记权限的用户来计算，记P(allow)=Pallow,P(deny)=Pdeny；

步骤2-2），首先根本步骤1）划分出的网络结构对每个社区随机选出一个朋友来进行权限设置，然后对每个社区使用熵值公式Entropy=∑i∈{allow，deny}-PilogPi计算该社区的熵值，熵越大，则代表该社区越不确定，则优先对该社区用户进行随机选取；

步骤2-3），对步骤2-2）选出的样本朋友进行隐私设置，即对隐私信息的访问权限设置是否可查看，设置的隐私信息包括：用户姓名、年龄、性别、地址、邮箱、电话号码、朋友关系；

步骤3），对于非样本朋友，首先找到其所属社区，然后找到该社区中的样本朋友，通过与样本朋友的相似性关系，对非样本朋友参考用户对样本朋友的隐私设置来进行隐私策略推荐；

步骤4）,对于新加入的朋友，根据与其他朋友之间的关系，以及共同好友等相似特征，将其加入之间划分好的用户朋友社区结构中，然后通过该社区已设置好隐私策略的其他朋友对新加入的朋友进行隐私策略推荐。

Claims (5)

1.基于网络社区划分和少量样本朋友的隐私策略推荐方法，包括以下步骤：

步骤1），通过边介数算法对用户所在网络社区进行划分，采用迭代的方式，以达到最大模块度；

步骤2），根据用户朋友社区的不确定性选择少量样本朋友，将最不确定的一部分朋友作为样本进行隐私策略设置；

步骤3），基于之前对网络社区的划分和对样本朋友的隐私策略的设置，对非样本朋友进行隐私策略的推荐；

步骤4），对于新加入的朋友，将其添加进之前划分的社区，并根据该社区内已设置的朋友的隐私策略对新加入的朋友进行隐私策略的推荐。

2.根据权利要求1所述的方法，其特征在于，步骤1）通过网络社区中朋友之间的关系结构进行社区发现，以网络结构中的边介数为基础，通过边介数算法找出模块度最大的社区结构，以此作为推荐使用的社区结构。

3.根据权利要求1所述的方法，其特征在于，步骤2）通过计算社区熵值找出最不确定的样本朋友，然后对隐私的访问权限进行设置是否可查看，设置的隐私信息包括：用户姓名、年龄、性别、地址、邮箱、电话号码、朋友关系。

4.步骤3）根据权利要求1所述的方法，其特征在于，步骤3）对要进行隐私策略推荐的非样本朋友进行相似匹配，找到根据步骤1）所发现的社区结构属于同一社区的样本朋友，根据步骤2）中所设置的结果对非样本朋友进行隐私策略推荐。

5.根据权利要求1所述的方法，其特征在于，步骤4）对新加入的朋友，根据朋友关系找到匹配的社区，将其加入步骤1）所发现的社区结构，然后采用步骤3）所使用的方法进行隐私策略的推荐。