ارایه یک تکنیک گمنام سازی جهت جلوگیری از کشف عضویت، صفت حساس، درجه و ارتباط در انتشار داده های شبکه اجتماعی جهت دار

امروزه داده های شبکه های اجتماعی بسیاری تولید می شود که اطلاعات و ارتباطات این داده ها ساختار شبکه ای دارد و حاوی داده های حساس و مفیدی در م ورد افراد جامعه می باشد، از این جهت این داده ها مورد توجه بسیاری از تحلیلگران قرار گرفته است. اما انتشار این داده ها جهت استفاده تحلیل گران حریم خصوصی صاحبان داده را به خطر می اندازد. یک راه حل برای مقابله با مشکل فوق این است که از داده اهی اصلی (که دارای ساختار گراف است) یک مجموعه داده جدید تولید کنیم و این داده های تحریف شده را که نسخه گمنام شده داده اصلی است منتشر کنیم. اما داده منتشر شده بایستی در عین حال که امکان تحلیل مفید (سودمندی داده) بر روی آن وجود دارد، اطلاعات حساس افراد را افشا نکند. در این مقاله نیازمندی های حریم خصوصی در قالب مدل حریم خصوصی برای ساختار شبکه ای جهت دار ارایه می شود. علاوه بر آن در این مقاله تکنیک گمان سازی برای مدل مورد نظر ارایه می شود که آن نحوه ذخیره داده ها برای انتشار داده ها را مشخص می کند. بعلاوه متد اندازه گیری هریک از نیازمندی های حریم خصوصی مدل در تکنیک گمنام سازی پیشنهادی بیان می شود. در این مقاله سعی شده است تا با بکارگیری تکنیک های خاص سودمندی داده حفظ شود، اما میزان سودمندی داده وابسته به الگوریتمی تبدیل داده اصلی به داده گمنام شده (الگوریتم گمنام سازی) دارد که در این مقاله مورد بررسی قرار نمی گیرد. جدا از الگوریتم گمنام سازی نتایج شبیه سازی نشان می دهد که تکنیک گمنام سازی پیشنهادی خواص توپولوژیکی شبکه را در حد قابل قبولی حفظ می کند.

کلیدواژه ها:

حفظ حریم خصوصی ، انتشار داده ، گمنام سازی ، شبکه اجتماعی ، سودمندی داده