1HIkDA：一种用于图数据发布的新型隐私保护框架

《IEEE Transactions on Knowledge and Data Engineering》：1HIkDA: A Novel Privacy Preserving Framework for Graph Data Publication

隐私保护与图数据效用平衡的挑战及解决方案。针对图数据发布中隐私与可用性矛盾，提出1HIkDA两阶段框架：G1HI算法实现低修改1-跳不可区分性，WRkDA算法基于Wasserstein距离和正则化保障k-度匿名性。实验表明该方案在九种合成及真实网络中有效兼顾隐私与可用性。

　　

摘要：

随着基于图的数据存储变得越来越普遍，在数据发布过程中对强大隐私保护的需求也随之增加。然而，在隐私保护程度与匿名图的实用性之间存在一个根本性的矛盾：为了实现更强的隐私保护，通常需要对原始图进行大量修改（例如，添加或删除节点或边），这可能会破坏图的关键属性并降低其实际价值。为了解决这一挑战，我们提出了一个两阶段的隐私保护框架1HIkDA，旨在同时确保1跳不可区分性和k-度匿名性，从而提高对未知结构攻击的抵御能力。为了优化匿名图的可用性，我们的框架整合了两种不同的算法：基于贪心的1跳不可区分算法（G1HI）和基于Wasserstein距离及正则化的k-度匿名性算法（WRkDA）。G1HI算法以最小的修改量和低成本实现了邻域不可区分性，而WRkDA算法则通过最小化匿名化前后度分布之间的Wasserstein距离来满足k-度匿名性的要求。在九个合成网络和真实世界网络上进行的广泛实验证明了该方案的有效性和效率。