CN110213261B - 对抗链路预测的用于网络结构隐私保护的链路删除方法 - Google Patents

对抗链路预测的用于网络结构隐私保护的链路删除方法 Download PDF

Info

Publication number
CN110213261B
CN110213261B CN201910460843.2A CN201910460843A CN110213261B CN 110213261 B CN110213261 B CN 110213261B CN 201910460843 A CN201910460843 A CN 201910460843A CN 110213261 B CN110213261 B CN 110213261B
Authority
CN
China
Prior art keywords
link
links
target
network
network link
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
CN201910460843.2A
Other languages
English (en)
Other versions
CN110213261A (zh
Inventor
蒋忠元
王强
陈贤宇
李辉
马建峰
沈玉龙
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201910460843.2A priority Critical patent/CN110213261B/zh
Publication of CN110213261A publication Critical patent/CN110213261A/zh
Application granted granted Critical
Publication of CN110213261B publication Critical patent/CN110213261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0407—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the identity of one or more communicating identities is hidden
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/143—Termination or inactivation of sessions, e.g. event-controlled end of session

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种对抗链路预测的用于网络结构隐私保护的链路删除方法，包括以下步骤：S1：从原始网络链路集中选取若干条目标链路；并将所有目标链路从原始网络链路集中删除；并给定删除预算K和链路删除计数器i，其中：i＝0；S2：将当前网络链路集中的所有链路的初始权重值设为0；链路删除计数器i＝i+1；S3：找出每条目标链路的两个端节点的共同邻居；对于每条目标链路，将每个端节点与共同邻居之间的链路的权重值加1；S4：当最大权重值大于0且i不大于K时；进行S5，否则进行S7；S5：选取一条权重值最大的链路并删除；S6：更新S2中的当前网络链路集，并返回S2；S7：结束。本发明能够实现较好的原始网络可用性保留，且能达到很好的隐私保护目的。

Description

对抗链路预测的用于网络结构隐私保护的链路删除方法
技术领域
本发明属于网络空间安全隐私保护技术领域，涉及一种对抗链路预测的用于网络结构隐私保护的链路删除方法。
背景技术
在当今数据化时代，数据隐私泄露已成为当前最棘手的网络安全问题之一。尤其是社交网络结构数据的隐私保护尤为重要，主要体现为两点：1)社交网络结构数据是人们研究社交网络的基础；2)社交网络中部分重要的链路(或称之为边)往往是敏感的，比如某两个用户之间的私密朋友关系，隐私泄露可能会给用户造成巨大的精神困扰或经济损失。网络中的敏感链路我们称之为“目标链路”，因为他们往往是攻击者的目标。一般情况下，目标链路仅是所有链路的一小部分。当然，用户可以选择隐藏(或删除)目标链路来对外伪装不存在社交关系。然而仅隐藏目标链路还远远不够，因为攻击者可以通过链路预测方法(比如基于共同邻居数量)预测出已隐藏的链路，即造成严重隐私泄露，此为当前亟需解决的隐私问题。
传统针对网络结构的隐私保护方法主要考虑结构扰动策略，即链路重连机制。主要有随机增删法和随机置换法。随机增删法，通过随机增加k条边，再随机删除k条边，保证节点的平均度保持不变。该方法容易实现，但过于简单，且被攻击后，隐私泄露严重。随机置换法：随机选定两条链路，判断是否符合保持节点度不变的置换方式，如果符合则置换，否则不置换。该方法可以保证每个节点的度不变，但未针对目标链路进行隐私保护。
综上所述，现有的网络结构扰动法都存在一定缺陷：1.网络结构可用性大大降低。现有方法既删除了真实链路，同时增加了虚假的链路，在一定程度上可保护结构隐私，但原始网络的可用性大大降低。因为虚假链路的加入使得网络产生了新的网络安全问题，比如虚假链路检测；2.现有方法主要考虑网络结构整体的隐私保护，即假设网络中所有的链路均需隐私保护，导致隐私保护没有针对性，对重要目标链路保护不足。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种对抗链路预测的用于网络结构隐私保护的链路删除方法。
为达到上述目的，本发明采用以下技术方案予以实现：
一种对抗链路预测的用于网络结构隐私保护的链路删除方法，包括以下步骤：
S1：从原始网络链路集中选取若干条目标链路；并将所有目标链路从原始网络链路集中删除；并给定删除预算K和链路删除计数器i，其中：i＝0；
S2：将当前网络链路集中的所有链路的初始权重值设为0；链路删除计数器i＝i+1；
S3：找出每条目标链路的两个端节点的共同邻居；对于每条目标链路，将每个端节点与共同邻居之间的链路的权重值加1；
S4：当最大权重值大于0且i不大于K时；进行S5，否则进行S7；
S5：选取一条权重值最大的链路并删除；
S6：更新S2中的当前网络链路集，并返回S2；
S7：删除结束，得到最终网络链路集。
本发明进一步的改进在于：
原始网络链路集中的链路为无向链路。
S1中从原始网络链路集中选取若干目标链路的方法为随机游走抽样或基于启发式的抽样。
目标链路总数量至少为1且小于原始网络链路集中链路数量的5％。
删除预算K至少为1且小于原始网络链路集中链路个数的5％。
S5的具体方法为：
选取当前网络链路集中最大权重值的链路，当权重值为最大权重值的链路个数大于一条时，从所有权重值为最大权重值的链路中随机选取一条删除；当权重值为最大权重值的链路个数为一条时，删除权重值为最大权重值的链路。
还包括：S8：对最终网络链路集的隐私保护效果与可用性进行评价。
隐私保护效果采用相似性指数下降程度评价。
可用性采用最终网络链路集的属性值评价，属性值包括平均节点度、平均介数、最大介数、距离中心性和特征向量值。
与现有技术相比，本发明具有以下有益效果：
通过从原始网络链路集中选取若干条目标链路，并将所有目标链路从原始网络链路集中删除；找出每条目标链路的两个端节点的共同邻居；进行每条链路权重值的更新；对于每条目标链路，选取一条权重值最大的链路并删除。在链路删除的过程中，每次循环更新权重并删除权重值最大的链路，在保留网络可用性的同时增加了迷惑性，使得攻击者在很大程度上无法预测目标链路的存在，保证得到的最终网络链路集对目标链路而言，具有较强的抗链路攻击能力；本发明通过共同邻居确定链路权重值进而选择权重值最大的链路删除的删除策略，能够保证删除较少的边，尽可能保留原始网络的信息，保持较好的网络可用性，对网络的关键特征破坏有限，比如度分布、节点重要性、社团属性等。由于链路删除方法是一种近似最优方法，具有完备的理论保障，采用链路删除策略更易于被接受，因为现有公布的社交网络数据仅是真实网络的采样，网络链路本身就缺失、不完备，是被人们广泛接受的，因此删除部分边仅是造成链路信息不完备，不会引入新的网络问题。同时，相比较传统的网络结构扰动法，本发明方法没有增加虚假链路，对网络整体结构的影响较小，故可较好地保留原始网络的可用性。
进一步的，目标链路总数量至少为1且小于原始网络链路集中链路数量的5％；删除预算K至少为1且小于原始网络链路集中链路个数的5％；删除预算K比例较小，整个方法的耗时少，在大规模网络中，比如百万、千万乃至数十亿条链路的社交网络中均是可运行的，且得到的网络抗链路攻击能力较强，效率高。
附图说明
图1为本发明的方法流程框图；
图2为本发明的实施例进行非目标链路删除的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先解释本发明中的一些名词含义：
对于给定的社交网络G＝(V，E)，V为节点集，E为链路集，选取一个目标链路集合H，H为E的子集。一条链路用其两端的节点对来表示，即(u，v)表示节点u与v之间的无向链路。节点对之间的相似性指数定义为此二节点的共同邻居个数。对于给定的删除预算K，即最多删除K条非目标链路。
下面结合附图对本发明做进一步详细描述：
参见图1，本发明对抗链路预测的用于网络结构隐私保护的链路删除方法，首先删除目标链路并初始化链路删除计数器；其次，初始化链路权重；再次，遍历所有目标链路，并更新链路权重；最后，选择权重值最大的链路并删除，直至完毕。具体包括以下步骤：
S1：从原始网络链路集中选取若干条目标链路；并将所有目标链路从原始网络链路集中删除；并给定删除预算K和链路删除计数器i，其中：i＝0。
从原始网络链路集中选取若干目标链路的方法为随机游走抽样或基于启发式的抽样；这里介绍随机游走抽样的具体方法：
A1：首先随机选取原始网络链路集中的一条链路，作为第一目标链路，然后对第一目标链路进行访问，并且确定与第一目标链路有关联的信息；
A2：不去访问所有与第一目标链路相关联的链路，只是随机抽取原始网络链路集中的一个链路，作为第二目标链路，下一步只对第二目标链路访问；
A3：若找不到与第一目标链路不相关联的链路，那么就选取一个相关联的链路，整个过程如此反复，直至选取预设数量的目标链路。
目标链路的数量占总链路数量的0～5％且至少一条；删除预算K为原始网络链路集中链路个数的0～5％且至少为1。
原始网络链路集中的链路为无向链路。
S2：将当前网络链路集中的所有链路的初始权重值设为0；链路删除计数器i＝i+1；
S3：找出每条目标链路的两个端节点的共同邻居；对于每条目标链路，将每个端节点与共同邻居之间的链路的权重值加1；
本发明提出的选择边的方法将所有目标链路端节点的共同邻居数之和作为优化目标函数。但不仅限于共同邻居数相似性指标，还可用与共同邻居相关的其他相似性指标，比如杰卡德系数，Salton，
Figure BDA0002078013500000061
HubPromoted，Hub Depressed，Leicht-Holme-Newman，Adamic-Adar和Resource Allocation等。该优化目标函数是一个关于删除非目标链路集的函数，具有单调、子模特性，可采用贪婪算法近似求得最优解。
S4：当最大权重值大于0且i不大于K时；进行S5，否则进行S7；
S5：选取一条权重值最大的链路并删除，具体为：选取当前网络链路集中最大权重值的链路，当权重值为最大权重值的链路个数大于一条时，从所有权重值为最大权重值的链路中随机选取一条删除；当权重值为最大权重值的链路个数为一条时，删除权重值为最大权重值的链路；
S6：更新S2中的当前网络链路集，并返回S2；
S7：删除结束，得到最终网络链路集。
S8：对最终网络链路集的隐私保护效果与可用性进行评价。隐私保护效果采用最终网络链路集的相似性指数下降程度评价；可用性采用最终网络链路集的属性值评价，属性值包括平均节点度、平均介数、最大介数、距离中心性和特征向量值。
实施例
本实施例中，参见图2，原始网络链路集中共有6个节点，分别为a、b、c、d、e和f；共有9条无向链路，分别为(a，b)、(a，c)、(b，d)、(b，c)、(c，d)、(d，e)、(d，f)、(e，c)和(e，f)。其中虚线代表目标链路，实线代表非目标链路，删除预算K＝2。
将当前网络链路集中的所有链路的初始权重值设为0；链路删除计数器i＝1。通过随机抽样选取(b，c)和(d，e)为目标链路，找出(b，c)目标链路的两个端节点的共同邻居a和d；找出(d，e)目标链路的两个端节点的共同邻居c和f。对于(b，c)目标链路，将b和c端节点与共同邻居a和d之间的链路的权重值加1；对于(d，e)目标链路，将d和e端节点与共同邻居c和f之间的链路的权重值加1；最终权重值为1的链路为：(a，b)、(a，c)、(b，d)、(d，f)、(e，c)和(e，f)；权重值为2的链路为：(c，d)；最大权重值大于0且i＝1<K＝2；删除链路(c，d)。
将当前网络链路集中的所有链路的初始权重值设为0，链路删除计数器i＝2。找出(b，c)目标链路的两个端节点的共同邻居a；找出(d，e)目标链路的两个端节点的共同邻居f。对于(b，c)目标链路，将b和c端节点与共同邻居a之间的链路的权重值加1；对于(d，e)目标链路，将d和e端节点与共同邻居f之间的链路的权重值加1；最终权重值为1的链路为：(a，b)、(a，c)、(d，f)和(e，f)；权重值为0的链路为：(b，d)和(e，c)。最大权重值大于0且i＝2＝K＝2；从(a，b)、(a，c)、(d，f)和(e，f)随机选出(a，c)删除。
将当前网络链路集中的所有链路的初始权重值设为0，链路删除计数器i＝3；i＝3>K＝2，删除结束，得到最终网络链路集。
参考表1，本发明中最终网络链路集的可用性评估。对比随机删除法，在一幅实际的社交网络(Arenas-email)中进行测试。结果显示，如果目标链路的比例控制在1％，K＝0.5％的原始网络链路集的个数时，本发明生成的最终网络链路集可以保持原始网络97％以上的可用性。
表1最终网络链路集的可用性评估表
采用方法 随机删除法 本发明方法
可用性破坏程度 2.97％ 2.97％
参考表2，本发明与随机删除法的隐私分析结果展示表。在做隐私分析时采用的相似性指数为共同邻居个数，个数越大，两者之间存在边的概率越大。实际结果表明，选取总链路约1％的链路为目标链路，相似性指标下降率随着K值得增加大幅下降，当K＝0.5％的原始网络链路集的个数时，本发明方法可使相似性较原始值平均下降50％，而随机法仅下降6.8％左右。
表2本发明与随机删除法的隐私分析结果展示表
采用方法 随机删除法 本发明方法
相似性较原始值下降比例 6.8％ 50％
本发明可有效对社交网络中的敏感关系链接进行隐私保护，抵御攻击者通过链路预测来攻击敏感链路的存在性，该方法通用于大规模社交网络，并可较好保持原始网络的可用性。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (8)

1.一种对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，包括以下步骤：
S1：从原始网络链路集中选取若干条目标链路；并将所有目标链路从原始网络链路集中删除；并给定删除预算K和链路删除计数器i，其中：i=0；所述原始网络链路集中的链路为无向链路；
S2：将当前网络链路集中的所有链路的初始权重值设为0；链路删除计数器i=i+1；
S3：找出每条目标链路的两个端节点的共同邻居；对于每条目标链路，将每个端节点与共同邻居之间的链路的权重值加1；
S4：当最大权重值大于0且i不大于K时；进行S5，否则进行S7；
S5：选取一条权重值最大的链路并删除；
S6：更新S2中的当前网络链路集，并返回S2；
S7：删除结束，得到最终网络链路集。
2.根据权利要求1所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述S1中从原始网络链路集中选取若干目标链路的方法为随机游走抽样或基于启发式的抽样。
3.根据权利要求1所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述目标链路总数量至少为1且小于原始网络链路集中链路数量的5%。
4.根据权利要求1所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述删除预算K至少为1且小于原始网络链路集中链路个数的5%。
5.根据权利要求1所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述S5的具体方法为：
选取当前网络链路集中最大权重值的链路，当权重值为最大权重值的链路个数大于一条时，从所有权重值为最大权重值的链路中随机选取一条删除；当权重值为最大权重值的链路个数为一条时，删除权重值为最大权重值的链路。
6.根据权利要求1所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，还包括：
S8：对最终网络链路集的隐私保护效果与可用性进行评价。
7.根据权利要求6所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述隐私保护效果采用相似性指数下降程度评价。
8.根据权利要求6所述的对抗链路预测的用于网络结构隐私保护的链路删除方法，其特征在于，所述可用性采用最终网络链路集的属性值评价，属性值包括平均节点度、平均介数、最大介数、距离中心性和特征向量值。
CN201910460843.2A 2019-05-30 2019-05-30 对抗链路预测的用于网络结构隐私保护的链路删除方法 Active CN110213261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910460843.2A CN110213261B (zh) 2019-05-30 2019-05-30 对抗链路预测的用于网络结构隐私保护的链路删除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910460843.2A CN110213261B (zh) 2019-05-30 2019-05-30 对抗链路预测的用于网络结构隐私保护的链路删除方法

Publications (2)

Publication Number Publication Date
CN110213261A CN110213261A (zh) 2019-09-06
CN110213261B true CN110213261B (zh) 2021-06-08

Family

ID=67789540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910460843.2A Active CN110213261B (zh) 2019-05-30 2019-05-30 对抗链路预测的用于网络结构隐私保护的链路删除方法

Country Status (1)

Country Link
CN (1) CN110213261B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752990B (zh) * 2019-10-24 2021-01-05 西安电子科技大学 保障弹性的时变网络最短路由方法
CN112199728B (zh) * 2020-11-04 2022-07-19 同济大学 一种针对社交网络关系预测的隐私保护方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7716140B1 (en) * 2004-12-31 2010-05-11 Google Inc. Methods and systems for controlling access to relationship information in a social network
US20090303237A1 (en) * 2008-06-06 2009-12-10 International Business Machines Corporation Algorithms for identity anonymization on graphs
CN104317904B (zh) * 2014-10-24 2017-09-05 南京信息工程大学 一种带权重社会网络的泛化方法
CN107729767B (zh) * 2017-10-26 2020-09-18 广西师范大学 基于图基元的社会网络数据隐私保护方法
CN108449311B (zh) * 2018-01-29 2020-08-04 浙江工业大学 一种基于攻击节点相似性的社交关系隐匿方法
CN109800573B (zh) * 2019-01-17 2022-12-27 西安电子科技大学 基于度匿名与链路扰动的社交网络保护方法

Also Published As

Publication number Publication date
CN110213261A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN109800573B (zh) 基于度匿名与链路扰动的社交网络保护方法
CN106980795B (zh) 社会网络数据隐私保护方法
CN108898010A (zh) 一种建立面向恶意代码防御的攻防随机博弈模型的方法
CN110213261B (zh) 对抗链路预测的用于网络结构隐私保护的链路删除方法
Laszka et al. Multi-defender strategic filtering against spear-phishing attacks
CN109376544B (zh) 一种防止复杂网络中的社团结构被深度挖掘的方法
CN110166344B (zh) 一种身份标识识别方法、装置以及相关设备
Li et al. Stackelberg game in critical infrastructures from a network science perspective
CN109064348A (zh) 一种在社交网络中封锁谣言社区并抑制谣言传播的方法
CN109657268B (zh) 一种基于特征值的不确定网络中免疫策略设计方法
Cao et al. Combating friend spam using social rejections
CN110598128B (zh) 一种对抗女巫攻击的用于大规模网络的社团检测方法
CN109063836A (zh) 一种基于进化扰动的隐私链路保护方法
CN114143035B (zh) 知识图谱推荐系统的对抗攻击方法、系统、设备及介质
Bharati et al. NIDS-network intrusion detection system based on deep and machine learning frameworks with CICIDS2018 using cloud computing
CN108471382A (zh) 一种基于节点度值的复杂网络聚类算法攻击方法
CN115277115A (zh) 一种用于解决网络上鲁棒信息传播问题的方法及系统
CN109962813B (zh) 一种用于网络结构隐私保护的网络结构生成方法
Dave et al. Improved algorithm for intrusion detection using genetic algorithm and SNORT
CN106066964B (zh) 一种基于多级评价指标的网络攻击方案的评价方法
CN106685893B (zh) 一种基于社交网络群的权限控制方法
CN111125747A (zh) 一种商务网站用户的商品浏览隐私保护方法及系统
CN109063721A (zh) 一种行为特征数据提取的方法及装置
Sharad Change of guard: The next generation of social graph de-anonymization attacks
CN107743070B (zh) 一种双属性网络的社群划分方法及装置

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