CN107886441B - 一种社交网络脆弱性评估方法和系统 - Google Patents

一种社交网络脆弱性评估方法和系统 Download PDF

Info

Publication number
CN107886441B
CN107886441B CN201710970005.0A CN201710970005A CN107886441B CN 107886441 B CN107886441 B CN 107886441B CN 201710970005 A CN201710970005 A CN 201710970005A CN 107886441 B CN107886441 B CN 107886441B
Authority
CN
China
Prior art keywords
user
information
personal
social network
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710970005.0A
Other languages
English (en)
Other versions
CN107886441A (zh
Inventor
上官建峰
曹娟
杨玉婷
李锦涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Computing Technology of CAS
Original Assignee
Institute of Computing Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Computing Technology of CAS filed Critical Institute of Computing Technology of CAS
Priority to CN201710970005.0A priority Critical patent/CN107886441B/zh
Publication of CN107886441A publication Critical patent/CN107886441A/zh
Application granted granted Critical
Publication of CN107886441B publication Critical patent/CN107886441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种社交网络脆弱性评估的方法，包括：采集社交网络中某用户的相关信息，计算得到该用户的档案信息量和博文信息量；以该档案信息量和该博文信息量，得到该用户的个人信息量；以该用户在该社交网络中的朋友数量，及该用户所发布博文信息在该社交网络中的转发次数，得到该用户的信息传播量；以该用户的个人信息量和信息传播量，得到该用户的个人脆弱性评估值；以该个人脆弱性评估值对该用户的个人脆弱性进行评估；以该用户的个人脆弱性评估值，及该用户在该社交网络中的朋友的个人脆弱性评估值，得到该用户的社交网络脆弱性评估值；以该绝对脆弱性评估值对该用户的该社交网络脆弱性进行评估。

Description

一种社交网络脆弱性评估方法和系统
技术领域
本发明涉及社交网络的隐私保护领域，特别涉及一种基于微博平台的社交网络脆弱性评估方法。
背景技术
随着社交媒体的流行与普及，人们在网络中的信息更加公开化与透明化，随之而来暴露的是许多隐私问题。研究发现不当的隐私设置，或者说用户在网络中个人信息的过度暴露，会对用户个人及其朋友造成极大的隐私风险。在大多数社交网站上，隐私保护相关努力都集中在单独保护个人属性上，仅提供个人信息的设置，而忽略了社交网络中用户周围朋友对用户安全的影响。因此，亟需一种评估机制，将用户个人及周围朋友的影响综合考虑，根据用户的个人信息披露和社交网络中N度朋友网络(一般N≥2)来测量用户的脆弱性，进而衡量社交网络的脆弱性，称之为社交网络的脆弱性评估。
Abdul-Rahman等人提出的脆弱性模型，将脆弱性模型应用于社交网络，探索用户朋友的互动和传播效应，并构成验证节点的脆弱性与通过网络传播的个人信息量之间的关系的基础。
Gundecha等人根据社交网站上每个用户的个人和社区属性，提出了四个指标，即I_Index、C_Index、P_Index和V_Index。这些指标可用于评估用户的隐私，量化用户保护朋友的程度，以及计算个人用户在社交网络上的脆弱性。
Alim等人提出个人脆弱性、相对脆弱性、绝对脆弱性来度量脆弱性，与Gundecha等人一样，将个人档案中暴露的信息作为信息量，综合用户周围的朋友结构及朋友的脆弱性，来度量用户的脆弱性。
上述社交网络脆弱性评估模型，都是基于用户的档案信息。然而，在社交网络中，个人信息的暴露除了与个人信息的量相关以外，还与信息的传播有关。因此，已有的脆弱性模型并不能对用户脆弱性进行准确地评估。
发明内容
针对上述问题，本发明提出一种社交网络脆弱性评估方法和系统。
具体来说，本发明涉及一种社交网络脆弱性评估方法，包括：
步骤1，通过采集社交网络中第一用户的个人档案中的属性信息，获取第一档案信息量；通过采集该社交网络中该第一用户所发布博文中的内容信息，获取第一博文信息量；以该第一档案信息量和该第一博文信息量，得到第一用户个人信息量；
步骤2，以该社交网络中与该第一用户存在网络社交关系的用户为第二用户，通过该第二用户的数量，以及该第一用户所发布博文信息在该社交网络中的转发次数，得到第一用户信息传播量；
步骤3，通过该第一用户个人信息量和该第一用户信息传播量，得到第一用户个人脆弱性评估值；
步骤4，通过该社交网络中该第二用户个人档案中的属性信息获取第二档案信息量，通过该第二用户所发布博文中的内容信息获取第二博文信息量；通过该第二档案信息量和该第二博文信息量得到第二用户个人信息量；通过与该第二用户存在网络社交关系的用户的数量，以及该第二用户所发布博文信息在该社交网络中的转发次数，得到第二用户信息传播量；通过该第二用户个人信息量和该第二用户信息传播量得到第二用户个人脆弱性评估值；
步骤5，通过该第一个用户个人脆弱性评估值和该第二用户个人脆弱性评估值，得到第一用户社交网络脆弱性评估值。
本发明所述的社交网络脆弱性评估方法，步骤1还包括：
步骤11，通过公式
Figure BDA0001437301480000021
得到该第一档案信息量P_index；其中P_index∈[0，1]，n为该第一用户的个人档案中属性的个数，i≤n；wi＝1-Visi，wi为该第一用户的个人档案中第i项属性的敏感性加权系数，Visi为该第一用户的个人档案中第i项属性的可见用户比例；αP,i为该第一用户的个人档案中第i项属性的可见度，当该第i项属性公开时αP,i＝1，当该第i项属性隐蔽时αP,i＝0；n、i为正整数；
步骤12，通过公式C_index＝αc×originc+(1-αc)×locationc，得到该第一博文信息量C_index；其中C_index∈[0，1]，αc∈[0，1]，originc∈[0，1]，locationc∈[0，1]，αc为该博文信息量的加权系数，originc为该第一用户原创博文占所有博文的比重，locationc为带有该第一用户发布博文时所在位置的定位信息的博文占所有博文的比重；
步骤13，通过Info_index＝αInfo×P_index+(1-αInfo)×C_index，得到该第一用户个人信息量Info_index；其中Info_index∈[0，1]，αInfo∈[0，1]，αInfo为该第一用户个人信息量的加权系数。
本发明所述的社交网络脆弱性评估方法，通过
Figure BDA0001437301480000031
得到该第一用户信息传播量D_index，其中，D_index∈[0，1]，FriendsCountD为该第一用户在该社交网络中的最近N层第二用户合集内的所有该第二用户的数量，ForwardPerWeiboD为该第一用户的单条微博在该N层第二用户合集内的平均转发量，αD0、αD1、αD2为该第一信息传播量的加权系数，N为正整数。
本发明所述的社交网络脆弱性评估方法，通过Indi_vul＝αI×Info_index+(1-αI)×D_index，得到该第一用户个人脆弱性评估值Indi_vul，其中Indi_vul∈[0，1]，αI为该第一用户个人脆弱性评估值的加权系数。
本发明所述的社交网络脆弱性评估方法，通过
Figure BDA0001437301480000032
得到该第一社交网络脆弱性评估值Abs_vul：其中Abs_vul∈[0，1]，Indi_vuli为该第二用户个人脆弱性评估值，Ru为该第一用户在该社交网络中的最近N层该第二用户合集，|Ru|为该第二用户合集的大小，N为正整数。
本发明还涉及一种社交网络脆弱性评估系统，包括：
个人信息量获取模块，用于通过第一用户在社交网络中的第一档案信息量和第一博文信息量，得到第一用户个人信息量；
信息传播量获取模块，用于以该社交网络中与该第一用户存在网络社交关系的用户为第二用户，并通过该第二用户的数量，以及该第一用户所发布博文信息在该社交网络中的转发次数，得到第一用户信息传播量；
第一个人脆弱性值获取模块，用于获取第一用户个人脆弱性值；
第二个人脆弱性值获取模块，用于获取第二用户个人脆弱性值；
社交网络脆弱性获取模块，用于通过该第一用户个人脆弱性值和该第二用户个人脆弱性值，获取第一社交网络脆弱性评估值。
所述的个人信息量获取模块，通过采集该社交网络中，该第一用户的个人档案中的属性信息，获取该第一档案信息量；通过采集该社交网络中，该第一用户所发布博文中的内容信息，获取该第一博文信息量。
所述的第一个人脆弱性值获取模块，通过该第一用户个人信息量和该第一用户信息传播量，获取该第一用户个人脆弱性评估值。
所述的第二个人脆弱性值获取模块，通过该社交网络中该第二用户个人档案中的属性信息获取第二档案信息量，以该第二用户所发布博文中的内容信息获取第二博文信息量；以该第二档案信息量和该第二博文信息量，得到第二用户个人信息量；以该第二用户存在网络社交关系的用户的数量，及该第二用户所发布博文信息在该社交网络中的转发次数，得到第二用户信息传播量；以该第二用户个人信息量和该第二用户信息传播量，得到该第二用户个人脆弱性评估值。
本发明所涉及的社交网络脆弱性评估方法，是基于用户的档案信息、博文信息以及朋友信息等，可以对用户脆弱性进行更为准确地评估。
附图说明
图1是用户社交网络脆弱性评估示意图
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明提出的社交网络脆弱性评估方法进一步详细说明。应当理解，此处所描述的具体实施方法仅仅用以解释本发明，并不用于限定本发明。
用户社交网络的脆弱性，即用户的绝对脆弱性，用于衡量用户在社交网络中隐私泄露的风险，从而达到在社交网络中保护隐私的目的，具体步骤如图1所示。
在本实施例中，将某用户视为第一用户以进行社交网络脆弱性评估的目标，将某用户在该社交网络中的朋友视为第二用户，应当理解，此处的第一用户和第二用户并不存在次序关系或层级关系，仅用于区分某用户和其朋友。
一、基于用户信息量的脆弱性评估
信息量，即第一用户在网络中暴露的隐私信息的量。传统的脆弱性评估模型通常是将直接获取到的用户个人档案中的属性结合其属性敏感度作为信息量，但是，在社交平台上，第一用户除了填写个人档案外，还可以通过发布博文来分享信息。而且，对于一些活跃的第一用户，他们的博文数量较大，其中包含的信息量甚至远大于个人档案中的属性信息量，所以，针对博文内容的分析对于第一用户社交网络中信息量的衡量必不可少。因此，在本发明的脆弱性评估模型中，当度量信息量时，通常将信息分为两类：个人档案中的属性信息(档案信息量)和博文中的内容信息(博文信息量)，分别用P_Index和C_Index来表示这两种信息量。
1、P_index：(Profile index)
P_index，档案信息量，用来度量第一用户个人档案中暴露的属性信息会给第一用户带来的隐私风险大小，即用户个人档案的敏感值。在在线社交网络(Online SocialNetwork，OSN)中，第一用户的档案是最直接泄露用户信息的方式。第一用户忽略个人档案的隐私设置会直接给自身带来危险。不同的OSN中，提供给第一用户的可填写属性信息也不一样。在微博平台中，第一用户个人档案中的信息包括：性别，生日，教育水平，情感状况等。针对这些属性信息，OSN让用户可以选择是否填写以及填写后的可见度。比如，“性取向”一栏，填写后可以设置为三个等级：所有人可见、我关注的人可见、仅自己可见。无论是何种社交平台，一般都会提供第一用户个人档案的隐私设置。
因此，不失一般性，P_index是第一用户个人档案中属性的函数，n是个人档案中的属性个数，那么对于第一用户u的P_Index计算如下公式：
P_index＝F(Au) (1)
其中，P_index∈[0，1]，Au＝{αP,i:αP,i＝{0,1}；1≤i≤n}，αP,i＝1表示用户u的第i个属性可见，αP,i＝0则表示不可见。
通过数据集统计可知，第一用户对不同的属性有不同的隐私设置，而且不同属性的可见人数及所占比例并不相同。比如，公开真名信息的用户占1.32％，而公开地理位置的用户数为占86.54％。因此，对大多数第一用户来说，属性真名比属性地理位置更为敏感。即，属性可见用户比例越少，则越少的用户愿意暴露，属性信息越为敏感。那么，在计算用户P_index的过程中，属性的权重应该更大。因此，敏感性用来衡量不同属性的隐私程度。敏感性wi的计算方式如下：
wi＝1-Visi (2)
其中，wi表示属性i的敏感性(权重)，Visi表示属性i的可见用户比例。
那么，档案信息量P_index的计算公式如下：
Figure BDA0001437301480000061
其中，αP,i＝1表示用户u的第i个属性可见，αP,i＝0则表示不可见；P_index∈[0，1]，P_index＝1表示该第一用户的所有个人属性均可见，P_index＝0表示该第一用户的所有个人属性不可见。
2、C_index(Content index)
C_index，博文信息量，用来度量用户博文内容中可能暴露的信息所带来的隐私风险大小。在社交平台上，第一用户除了填写个人档案外，还可以通过发布博文来分享信息，而对于一些活跃的第一用户，他们的博文数量较大，其中包含的信息量甚至远大于个人档案中的信息量。因此，本发明提出博文信息量C_index，量化第一用户博文中的个人信息值及可能带来的风险值。
微博作为主打陌生人社交的应用平台，第一用户的原创微博数越多，则博文内容中可能暴露的隐私信息量越多。所以，本发明将用户的原创微博数作为量化C_index的一项因素。另外，微博平台提供了发布微博时附加定位信息的功能，与个人档案信息中的地理位置不同，档案中的地理位置指的是第一用户的家乡或现居地，而微博中的位置则是发布微博时第一用户所在的地理位置。第一用户将自己的地理位置暴露在网络中是十分危险的，很可能会被不法分子利用，带来恶劣的后果。因此，本发明将第一用户的微博中带有定位的微博数也作为量化C_index的一项内容。
因此，博文信息量C_index的计算公式如下：
C_index＝αc×originc+(1-αc)×locationc (4)
其中，C_index∈[0，1]，originc∈[0，1]，指第一用户u的原创微博占所有微博的比重。locationc∈[0，1]，指第一用户u带定位微博数占所有微博的比重；αc＝0.4，地理位置信息更为敏感，因此给予带定位微博比例更大的权重。
3、Info_index(Information index)
Info_index，信息量，从信息量的角度对第一用户个人脆弱性进行初步评估。信息量包括档案信息量和博文信息量两个方面，即P_index和C_Index。
用户u的信息量Info_index计算公式如下：
Info_index＝G(P_index,C_index)
＝αInfo×P_index+(1-αInfo)×C_index (5)
其中Info_index∈[0，1]，αInfo＝0.4，档案信息量P_index和博文信息量C_Index对总信息量Info_index的贡献相同。
二、基于用户信息传播量的脆弱性评估
信息传播量，指第一用户发布的信息在OSN中的扩散量。如果第一用户信息量很小，但其信息传播量很大，个人信息会被传播到更多的第二用户。由此可知，想要度量第一用户的脆弱性，除了度量其在网络中暴露的信息量，其信息在网络中的传播量也至为重要。因此，D_index(Diffusion index)，信息传播量用以度量第一用户信息在网络中的传播量。
社交网络中第一用户个人信息的传播量主要从两方面度量：一是第二用户的数量，第二用户数量数越多，第一用户的信息被传播的概率越大，传播量也越大；二是第一用户已发布博文的转发数，转发数越大，表明第二用户越愿意去扩散信息，那么传播量也越大。
因此，第一用户u的信息传播量D_index的计算公式如下:
Figure BDA0001437301480000071
其中，D_index∈[0，1]，FriendsCountD为该第一用户在该社交网络中的最近N层第二用户合集内的所有第二用户数量，ForwardPerWeiboD为该第一用户单条博文在该N层第二用户合集内的平均转发量，αD0、αD1、αD2为该信息传播量的加权系数。第一用户的脆弱性应该随着第一用户的传播量的增加而增加，并且脆弱性的增加速率应该随着第一用户的传播量增加而逐渐减小。为了描述这种规律，本发明采用数学函数log来度量D_index。αD1＝6，αD2＝3，经数据集统计，FriendsCountD最大为106，ForwardPerWeiboD最大为103。αD0＝0.5，FriendsCountD和ForwardPerWeiboD对D_index的贡献相同。
如在A的网络社交关系路径中，B1、B2直接转发A的博文β，C1、C2转发B1所转发的A的博文β，C3、C4转发B2所转发的A的博文β，并以此类推，则B1、B2是A的第一层第二用户，C1、C2、C3、C4为A的第二层第二用户，A的博文β的转发量即为6次。
三、基于信息量及传播量的脆弱性评估
综合考虑基于用户信息量及传播量所得到的脆弱性评估结果，对第一用户个人脆弱性进行综合评估。个人脆弱性(Individual vulnerability)，Indi_vul用以衡量用户的个人脆弱性。当不考虑第一用户周围的朋友时，综合考虑以上的基于第一用户信息量和传播量的评估结果即可得到第一用户的个人脆弱性。第一用户的信息量越大，传播量越大，个人脆弱性越高。因此，Indi_vul定义为Info_index和D_index的函数，如下公式：
Indi_vul＝H(Info_index，D_index)
＝αI×Info_index+(1-αI)×D_index (7)
其中，Indi_vul∈[0，1]，αI＝0.5，，Info_index和D_index对第一用户个人脆弱性的贡献相同。
四、基于用户社交网络的脆弱性评估
绝对脆弱性(Absolute vulnerability)，Abs_vul用以度量用户在社交网络中的脆弱性。第一用户的隐私风险受其朋友的行为影响，比如，第一用户自己在网络中极少暴露信息，但是其第二用户都乐于分享信息，那么这些信息很可能会被他人用来推测该第一用户的信息。因此，第一用户脆弱性需要综合考虑其个人脆弱性和其第二用户的个人脆弱性。
在社交网络中，第一用户的脆弱性取决于他自己的脆弱性，第二用户的脆弱性，以及二层第二用户的脆弱性，等等。显然地，随着第一用户和第二用户之间距离的增加，第二用户对该用户的脆弱性影响急剧减小，且最近的第二用户影响应该最大。因此，暂且考虑第一用户的最近N层第二用户，综合考虑他们的个人脆弱性，用以度量该第一用户的绝对脆弱性。
Abs_vul＝X(Indi_vulu，Indi_vulRu) (8)
用户u的绝对脆弱性的计算公式如下：
Figure BDA0001437301480000091
其中，Ru是第一用户u的最近N层第二用户集合，|Ru|为第二用户合集的大小，Abs_vul∈[0，1]，Indi_vulu表示第一用户u的个人脆弱性，Indi_vulRu表示用户u的最近N层第二用户集合中某个第二用户的个人脆弱性。
虽然本发明已以实施例公开如上，但其并非用以限定本发明，任何所属技术领域的技术人员，在不脱离本发明的精神和范围内，当可作些许的变更与修改，故本发明的保护范围当视权利要求书保护范围所界定者为准。

Claims (9)

1.一种社交网络脆弱性评估方法，其特征在于，包括：
步骤1，通过采集社交网络中第一用户的个人档案中的属性信息，获取第一档案信息量；通过采集该社交网络中该第一用户所发布博文中的内容信息，获取第一博文信息量；以该第一档案信息量和该第一博文信息量，得到第一用户个人信息量；其中，通过公式
Figure FDA0002600771140000011
得到该第一档案信息量P_index；其中P_index∈[0，1]，n为该第一用户的个人档案中属性的个数，i≤n；wi＝1-Visi，wi为该第一用户的个人档案中第i项属性的敏感性加权系数，Visi为该第一用户的个人档案中第i项属性的可见用户比例；αP,i为该第一用户的个人档案中第i项属性的可见度，当该第i项属性公开时αP,i＝1，当该第i项属性隐蔽时αP,i＝0；n、i为正整数；通过公式C_index＝αc×originc+(1-αc)×locationc，得到该第一博文信息量C_index；其中C_index∈[0，1]，αc∈[0，1]，originc∈[0，1]，locationc∈[0，1]，αc为该博文信息量的加权系数，originc为该第一用户原创博文占所有博文的比重，locationc为带有该第一用户发布博文时所在位置的定位信息的博文占所有博文的比重；通过Info_index＝αInfo×P_index+(1-αInfo)×C_index，得到该第一用户个人信息量Info_index；其中Info_index∈[0，1]，αInfo∈[0，1]，αInfo为该第一用户个人信息量的加权系数；
步骤2，以该社交网络中与该第一用户存在网络社交关系的用户为第二用户，通过该第二用户的数量，以及该第一用户所发布博文信息在该社交网络中的转发次数，得到第一用户信息传播量；
步骤3，通过该第一用户个人信息量和该第一用户信息传播量，得到第一用户个人脆弱性评估值；
步骤4，通过该第二用户的个人档案中的属性信息获取第二档案信息量，通过该第二用户所发布博文中的内容信息获取第二博文信息量；通过该第二档案信息量和该第二博文信息量得到第二用户个人信息量；通过与该第二用户存在网络社交关系的用户的数量，以及该第二用户所发布博文信息在该社交网络中的转发次数，得到第二用户信息传播量；通过该第二用户个人信息量和该第二用户信息传播量得到第二用户个人脆弱性评估值；
步骤5，通过该第一用户个人脆弱性评估值和该第二用户个人脆弱性评估值，得到第一用户社交网络脆弱性评估值。
2.如权利要求1所述的社交网络脆弱性评估方法，其特征在于，通过以下公式，得到步骤2中该第一用户信息传播量D_index：
Figure FDA0002600771140000021
其中，D_index∈[0，1]，FriendsCountD为该第一用户在该社交网络中的最近N层第二用户合集内的所有该第二用户的数量，ForwardPerWeiboD为该第一用户的单条博文在该N层第二用户合集内的平均转发量，αD0、αD1、αD2为该第一用户信息传播量的加权系数，N为正整数。
3.如权利要求1或2所述的社交网络脆弱性评估方法，其特征在于，通过以下公式，得到步骤3中该第一用户个人脆弱性评估值Indi_vul：
Indi_vul＝αI×Info_index+(1-αI)×D_index，其中Indi_vul∈[0，1]，αI为该第一用户个人脆弱性评估值的加权系数。
4.如权利要求1所述的社交网络脆弱性评估方法，其特征在于，通过以下公式，得到步骤5中该第一用户社交网络脆弱性评估值Abs_vul：
Figure FDA0002600771140000022
其中Abs_vul∈[0，1]，Indi_vulu为该第一用户个人脆弱性评估值，Indi_vuli为该第二用户个人脆弱性评估值，Ru为该第一用户在该社交网络中的最近N层该第二用户合集，|Ru|为该第二用户合集的大小，N为正整数。
5.一种社交网络脆弱性评估系统，其特征在于，包括：
个人信息量获取模块，用于通过第一用户在社交网络中的第一档案信息量和第一博文信息量，得到第一用户个人信息量；其中，通过公式
Figure FDA0002600771140000031
得到该第一档案信息量P_index；其中P_index∈[0，1]，n为该第一用户的个人档案中属性的个数，i≤n；wi＝1-Visi，wi为该第一用户的个人档案中第i项属性的敏感性加权系数，Visi为该第一用户的个人档案中第i项属性的可见用户比例；αP,i为该第一用户的个人档案中第i项属性的可见度，当该第i项属性公开时αP,i＝1，当该第i项属性隐蔽时αP,i＝0；n、i为正整数；通过公式C_index＝αc×originc+(1-αc)×locationc，得到该第一博文信息量C_index；其中C_index∈[0，1]，αc∈[0，1]，originc∈[0，1]，locationc∈[0，1]，αc为该博文信息量的加权系数，originc为该第一用户原创博文占所有博文的比重，locationc为带有该第一用户发布博文时所在位置的定位信息的博文占所有博文的比重；通过Info_index＝αInfo×P_index+(1-αInfo)×C_index，得到该第一用户个人信息量Info_index；其中Info_index∈[0，1]，αInfo∈[0，1]，αInfo为该第一用户个人信息量的加权系数；
信息传播量获取模块，用于以该社交网络中与该第一用户存在网络社交关系的用户为第二用户，并通过该第二用户的数量，以及该第一用户所发布博文信息在该社交网络中的转发次数，得到第一用户信息传播量；
第一个人脆弱性值获取模块，用于获取第一用户个人脆弱性评估值；
第二个人脆弱性值获取模块，用于获取第二用户个人脆弱性评估值；
社交网络脆弱性获取模块，用于通过该第一用户个人脆弱性评估值和该第二用户个人脆弱性评估值，获取第一用户社交网络脆弱性评估值。
6.如权利要求5所述的社交网络脆弱性评估系统，其特征在于，该个人信息量获取模块具体包括：
通过采集该社交网络中，该第一用户的个人档案中的属性信息，获取该第一档案信息量。
7.如权利要求5所述的社交网络脆弱性评估系统，其特征在于，该个人信息量获取模块还包括：
通过采集该社交网络中，该第一用户所发布博文中的内容信息，获取该第一博文信息量。
8.如权利要求5所述的社交网络脆弱性评估系统，其特征在于，该第一用户个人脆弱性获取模块具体包括：
通过该第一用户个人信息量和该第一用户信息传播量，获取该第一用户个人脆弱性评估值。
9.如权利要求5所述的社交网络脆弱性评估系统，其特征在于，该第二用户个人脆弱性评估模块具体包括：
通过该社交网络中该第二用户个人档案中的属性信息获取第二档案信息量，以该第二用户所发布博文中的内容信息获取第二博文信息量；以该第二档案信息量和该第二博文信息量，得到第二用户个人信息量；以与该第二用户存在网络社交关系的用户的数量，及该第二用户所发布博文信息在该社交网络中的转发次数，得到第二用户信息传播量；以该第二用户个人信息量和该第二用户信息传播量，得到该第二用户个人脆弱性评估值。
CN201710970005.0A 2017-10-18 2017-10-18 一种社交网络脆弱性评估方法和系统 Active CN107886441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710970005.0A CN107886441B (zh) 2017-10-18 2017-10-18 一种社交网络脆弱性评估方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710970005.0A CN107886441B (zh) 2017-10-18 2017-10-18 一种社交网络脆弱性评估方法和系统

Publications (2)

Publication Number Publication Date
CN107886441A CN107886441A (zh) 2018-04-06
CN107886441B true CN107886441B (zh) 2021-01-08

Family

ID=61781697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710970005.0A Active CN107886441B (zh) 2017-10-18 2017-10-18 一种社交网络脆弱性评估方法和系统

Country Status (1)

Country Link
CN (1) CN107886441B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110111195A (zh) * 2019-04-04 2019-08-09 平安科技（深圳）有限公司 基于数据分析的账款催收方法及装置、电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710598A (zh) * 2011-04-19 2012-10-03 卡巴斯基实验室封闭式股份公司 用于减小计算机网络中的安全风险的系统和方法
US20130179977A1 (en) * 2011-10-03 2013-07-11 International Business Machines Corporation Assessing Social Risk Due To Exposure From Linked Contacts
CN103248639A (zh) * 2012-02-06 2013-08-14 阿里巴巴集团控股有限公司 一种用于确定信息传播能力的方法及系统
CN103678613A (zh) * 2013-12-17 2014-03-26 北京启明星辰信息安全技术有限公司 一种计算影响力数据的方法与装置
WO2016149929A1 (en) * 2015-03-26 2016-09-29 Nokia Technologies Oy Method, apparatus and computer program product for identifying a vulnerable friend for privacy protection in a social network

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710598A (zh) * 2011-04-19 2012-10-03 卡巴斯基实验室封闭式股份公司 用于减小计算机网络中的安全风险的系统和方法
US20130179977A1 (en) * 2011-10-03 2013-07-11 International Business Machines Corporation Assessing Social Risk Due To Exposure From Linked Contacts
CN103843007A (zh) * 2011-10-03 2014-06-04 国际商业机器公司 评估由于从关联的联系人暴露而导致的社交风险
CN103248639A (zh) * 2012-02-06 2013-08-14 阿里巴巴集团控股有限公司 一种用于确定信息传播能力的方法及系统
CN103678613A (zh) * 2013-12-17 2014-03-26 北京启明星辰信息安全技术有限公司 一种计算影响力数据的方法与装置
WO2016149929A1 (en) * 2015-03-26 2016-09-29 Nokia Technologies Oy Method, apparatus and computer program product for identifying a vulnerable friend for privacy protection in a social network

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Exploiting vulnerability to secure user privacy on a social networking site;Pritam Gundecha et al.;《KDD "11 Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining》;20110824;第2节 *

Also Published As

Publication number Publication date
CN107886441A (zh) 2018-04-06

Similar Documents

Publication Publication Date Title
Yang et al. Estimating the infection-fatality risk of SARS-CoV-2 in New York City during the spring 2020 pandemic wave: a model-based analysis
D'Arcy et al. State first, then democracy: Using cadastral records to explain governmental performance in public goods provision
Liau et al. Meta-analytic examination of online sex-seeking and sexual risk behavior among men who have sex with men
Luo Integrating the huff model and floating catchment area methods to analyze spatial access to healthcare services
Guo et al. Estimating the size of HIV key affected populations in Chongqing, China, using the network scale-up method
US20190205345A1 (en) Social networking aggregator to track illnesses
CN104834731B (zh) 一种自媒体信息的推荐方法及装置
CN107169873B (zh) 一种多特征融合的微博用户权威度评价方法
US20130297581A1 (en) Systems and methods for customized filtering and analysis of social media content collected over social networks
Portier et al. Body weight distributions for risk assessment
Chen et al. How much is too much? Leveraging ads audience estimation to evaluate public profile uniqueness
TW201224988A (en) Dynamic real-time reports based on social networks
Mahy et al. Trends in HIV prevalence among young people in generalised epidemics: implications for monitoring the HIV epidemic
Zhang et al. Confidence intervals for ranks of age‐adjusted rates across states or counties
CN103996006A (zh) 一种信息系统安全风险评估的方法和装置
CN110210244A (zh) 检测社交媒体用户隐私泄露的方法和系统
CN107886441B (zh) 一种社交网络脆弱性评估方法和系统
Hughey et al. Frequency of neighborhood park use is associated with physical activity among adults in four US cities
AU2012100470A4 (en) Anonymous whistle blower system with reputation reporting of anonymous whistle blowers
Spruce et al. Social sensing of high-impact rainfall events worldwide: A benchmark comparison against manually curated impact observations
CN102880643A (zh) 一种动态信息的筛选显示方法和装置
Rufino et al. Using survey data to estimate the impact of the omicron variant on vaccine efficacy against COVID-19 infection
CN111324795A (zh) 基于微博平台下食品安全网络舆情监测与评估模型的构建
Munemasa et al. Trend analysis and recommendation of users’ privacy settings on social networking services
Nadeak et al. Perception of Privacy Concerns in Using Instagram Among Students (Case Study: Sriwijaya State Polytechnic)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant