动态社交网络下面向隐私保护的链路预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 2 社交网络中的隐私保护和链路预测综述 | 第13-23页 |
| 2.1 社交网络的表示方法 | 第13页 |
| 2.2 社交网络中的隐私定义 | 第13-15页 |
| 2.2.1 节点的隐私信息 | 第13-14页 |
| 2.2.2 边的隐私信息 | 第14页 |
| 2.2.3 图的隐私信息 | 第14-15页 |
| 2.3 社交网络的隐私保护方法 | 第15-20页 |
| 2.3.1 基于K-匿名的方法 | 第15-17页 |
| 2.3.2 随机扰动方法 | 第17-18页 |
| 2.3.3 基于泛化和聚类的方法 | 第18-19页 |
| 2.3.4 差分隐私方法 | 第19-20页 |
| 2.4 社交网络的链路预测方法 | 第20-23页 |
| 2.4.1 链路预测的定义 | 第20-21页 |
| 2.4.2 静态社交网络中的链路预测方法 | 第21页 |
| 2.4.3 动态社交网络中的链路预测方法 | 第21-23页 |
| 3 动态社交网络下面向隐私保护的链路预测机制 | 第23-35页 |
| 3.1 安全分组模型 | 第23-26页 |
| 3.1.1 保护节点身份 | 第23页 |
| 3.1.2 保护边存在性 | 第23-25页 |
| 3.1.3 存在的问题 | 第25-26页 |
| 3.2 动态社交网络下面向隐私保护的链路预测方法 | 第26-32页 |
| 3.2.1 链路预测中节点身份的隐私保护 | 第26页 |
| 3.2.2 链路预测中边存在性的隐私保护 | 第26-28页 |
| 3.2.3 改进的链路预测方法 | 第28-32页 |
| 3.3 算法整体描述 | 第32-33页 |
| 3.3.1 算法中的符号描述 | 第32页 |
| 3.3.2 算法流程及伪代码 | 第32-33页 |
| 3.4 小结 | 第33-35页 |
| 4 算法实现与结果分析 | 第35-53页 |
| 4.1 实验数据集 | 第35-39页 |
| 4.1.1 DBLP简介 | 第35-36页 |
| 4.1.2 DBLP数据处理 | 第36-38页 |
| 4.1.3 实验数据集及其特征 | 第38-39页 |
| 4.2 对比算法和评价标准 | 第39-41页 |
| 4.2.1 对比算法介绍 | 第39页 |
| 4.2.2 算法评价标准 | 第39-41页 |
| 4.3 链路预测的实验结果与分析 | 第41-44页 |
| 4.4 隐私保护的实验结果与分析 | 第44-51页 |
| 4.4.1 最佳分组大小 | 第44-45页 |
| 4.4.2 安全分组和朴素分组的对比 | 第45-51页 |
| 4.4.3 利用链路预测与未预测的对比 | 第51页 |
| 4.5 小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
