您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(理学版)》

《山东大学学报(理学版)》 ›› 2020, Vol. 55 ›› Issue (3): 9-18.doi: 10.6040/j.issn.1671-9352.2.2019.171

•   • 上一篇    下一篇

支持隐私保护的社交网络信息推荐方法

张超(),梁英*(),方浩汕   

  1. 1. 中国科学院计算技术研究所泛在计算系统研究中心, 北京 100190
    2. 中国科学院大学人工智能学院, 北京 100049
    3. 山东大学软件学院, 山东 济南 250101
  • 收稿日期:2019-09-02 出版日期:2020-03-20 发布日期:2020-03-27
  • 通讯作者: 梁英 E-mail:zhangchao_ict@163.com;liangy@ict.ac.cn
  • 作者简介:张超(1994—),男,硕士研究生,研究方向为数据挖掘. E-mail:zhangchao_ict@163.com
  • 基金资助:
    国家重点研发计划项目(2018YFB1004704);国家重点研发计划项目(2016YFB0800403)

Social network information recommendation method of supporting privacy protection

Chao ZHANG(),Ying LIANG*(),Hao-shan FANG   

  1. 1. Research Center for Ubiquitous Computing Systems, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
    2. School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, China
    3. School of Software Engineering, Shandong University, Jinan 250101, Shandong, China
  • Received:2019-09-02 Online:2020-03-20 Published:2020-03-27
  • Contact: Ying LIANG E-mail:zhangchao_ict@163.com;liangy@ict.ac.cn

摘要:

针对社交网络信息推荐中的信息传播带来隐私泄露的问题,结合信息传播模型,提出了一种支持隐私保护的社交网络信息推荐方法,通过好友的兴趣度、熟悉度和兴趣相似度推测用户兴趣,进行文本匹配和推荐候选集排序;通过个性化隐私偏好设置允许用户设置受限访问用户列表,并使用隐私保护方法计算信息传播至黑名单用户的概率,设置隐私泄露阈值对黑名单用户访问隐私博文的概率进行控制,达到信息推荐中保护用户隐私的目的。实验结果表明,所提方法可以在保证推荐效果的同时更好地保护用户隐私。

关键词: 社交网络, 信息推荐, 隐私保护, 访问控制, 数据挖掘

Abstract:

Aiming at the problem of privacy disclosure caused by information dissemination in social network information recommendation, a kind of social network information recommendation method that supports privacy protection is proposed in combination with information dissemination model. Users′ interests are predicted by friends′ interest, familiarity and interest similarity, and then text matching and recommendation candidate set sorting are carried out. Through personalized privacy preference setting, users are allowed to set restricted access to user list, and privacy protection method is used to calculate the probability of information spreading to blacklist users, and privacy disclosure threshold is set to control the probability of blacklist users accessing privacy blog posts to protect user privacy in information recommendation. Experimental results show that the proposed method can guarantee the recommendation effect and protect user privacy better.

Key words: social network, information recommendation, privacy protection, access control, data mining

中图分类号: 

  • TP309.2

图1

信息推荐流程图"

图2

信息传播中隐私保护示意图"

图3

用户兴趣推测实验评估"

表1

访问控制过滤用户信息"

用户ID Name
2268576943 WU-飞飞
2517382190 职业投资专业投机
1730536373 貓大夫秋蘭君是夜貓子不是肉包子
1774870125 小菜包儿好好学习
3884247481 庆阳新闻哥

表2

信息传播过滤用户信息"

博文推荐用户ID 过滤来源 过滤种子用户ID 黑名单用户ID
2230913455 UBL 2339448533 3482866951
1958150662 UBL 2110759370 3178513797
1704544512 BRL 1869084473 1916655407
3499391852 UBL 3922281222 1732887375

图4

不同隐私泄露阈值与过滤种子用户个数关系"

图5

推荐中信息传播图"

图6

不同用户群的隐私损失比"

1 GOLDBERG D , NICHOLS D , OKI B M , et al. Using collaborative filtering to weave an information tapestry[J]. Communications of the ACM, 1992, 35 (12): 61- 70.
doi: 10.1145/138859.138867
2 KAUTZ H , SELMAN B , SHAH M . Referral Web: combining social networks and collaborative filtering[J]. Communications of the ACM, 1997, 40 (3): 63- 65.
doi: 10.1145/245108.245123
3 XU C H . A novel recommendation method based on social network using matrix factorization technique[J]. Information Processing & Management, 2018, 54 (3): 463- 474.
4 SAMARATI P, SWEENEY L. Generalizing data to provide anonymity when disclosing information (abstract)[C]//Proceedings of the Seventeenth ACM SIGACT-SIGMOD-SIGART Symposium on Principles of Database Systems-PODS ′98, June 1-4, 1998. New York: ACM Press, 1998: 188.
5 CASINO F, DOMINGO-FERRER J, PATSAKIS C, et al. Privacy preserving collaborative filtering with k-anonymity through microaggregation[C]//2013 IEEE 10th International Conference on e-Business Engineering, September 11-13, 2013. Coventry: IEEE, 2013: 490-497.
6 WEI R X , TIAN H , SHEN H . Improving k -anonymity based privacy preservation for collaborative filtering[J]. Computers and Electrical Engineering, 2018, 67: 509- 519.
doi: 10.1016/j.compeleceng.2018.02.017
7 DWORK C . Differential privacy[M]. Berlin: Springer, 2006: 1- 12.
8 SHIN H , KIM S , SHIN J , et al. Privacy enhanced matrix factorization for recommendation with local differential privacy[J]. IEEE Transactions on Knowledge and Data Engineering, 2018, 30 (9): 1770- 1782.
doi: 10.1109/TKDE.2018.2805356
9 WANG P , YANG J , ZHANG J P . A strategy toward collaborative filter recommended location service for privacy protection[J]. Sensors, 2018, 18 (5): 1522.
doi: 10.3390/s18051522
10 VIEJO A , CASTELL À-ROCA J . Using social networks to distort users' profiles generated by web search engines[J]. Computer Networks, 2010, 54 (9): 1343- 1357.
doi: 10.1016/j.comnet.2009.11.003
11 BADSHA S, YI X, KHALIL I, et al. Privacy preserving user-based recommender system[C]//2017 IEEE 37th International Conference on Distributed Computing Systems (ICDCS). Atlanta: IEEE, 2017: 1074-1083.
12 BADSHA S , YI X , KHALIL I . A practical privacy-preserving recommender system[J]. Data Science and Engineering, 2016, 1 (3): 161- 177.
doi: 10.1007/s41019-016-0020-2
13 高枫, 何泾沙. 基于信任和信息流模型的隐私保护方法[J]. 山东大学学报(理学版), 2011, 46 (5): 39- 43.
GAO Feng , HE Jingsha . A privacy protection method based on a trust and information flow model[J]. Journal of Shandong University(Natural Science), 2011, 46 (5): 39- 43.
14 MCPHERSON M , SMITH-LOVIN L , COOK J M . Birds of a feather: homophily in social networks[J]. Annual Review of Sociology, 2001, 27 (1): 415- 444.
doi: 10.1146/annurev.soc.27.1.415
15 梁芷铭. 基于新浪微博的网络信息生命周期实证研究[J]. 新闻界, 2014, (3): 60- 64.
LIANG Zhiming . Empirical research on network information life cycle based on Sina Weibo[J]. Journalism, 2014, (3): 60- 64.
16 PAGE L, BRIN S, MOTWANI R, et al. The PageRank citation ranking: bringing order to the web[R].[S.l.]: [s.n.], Stanford InfoLab, 1999.
17 高昂.支持隐私保护的社交网络信息传播方法研究[D].北京:中国科学院大学, 2019.
GAO Ang. Research on social network information dissemination methods that support privacy protection [D]. Beijing: University of Chinese Academy of Sciences, 2019.
[1] 谢小杰,梁英,董祥祥. 社交网络用户敏感属性迭代识别方法[J]. 《山东大学学报(理学版)》, 2019, 54(3): 10-17, 27.
[2] 常天天,陈兴蜀,罗永刚,兰晓. 面向Hive的基于安全域的数据隔离保护框架[J]. 《山东大学学报(理学版)》, 2019, 54(3): 1-9.
[3] 李艳平,齐艳姣,张凯,魏旭光. 支持用户撤销的多授权机构的属性加密方案[J]. 山东大学学报(理学版), 2018, 53(7): 75-84.
[4] 康海燕,朱万祥. 位置服务隐私保护[J]. 《山东大学学报(理学版)》, 2018, 53(11): 35-50.
[5] 康海燕,黄渝轩,陈楚翘. 基于视频分析的地理信息隐私保护方法[J]. 山东大学学报(理学版), 2018, 53(1): 19-29.
[6] 张中军,张文娟,于来行,李润川. 基于网络距离和内容相似度的微博社交网络社区划分方法[J]. 山东大学学报(理学版), 2017, 52(7): 97-103.
[7] 毕晓迪,梁英,史红周,田辉. 一种基于隐私偏好的二次匿名位置隐私保护方法[J]. 山东大学学报(理学版), 2017, 52(5): 75-84.
[8] 康海燕,马跃雷. 差分隐私保护在数据挖掘中应用综述[J]. 山东大学学报(理学版), 2017, 52(3): 16-23.
[9] 邓小方,钟元生,吕琳媛,王明文,熊乃学. 融合社交网络的物质扩散推荐算法[J]. 山东大学学报(理学版), 2017, 52(3): 51-59.
[10] 杨震,司书勇,李超阳. 基于用户隐式兴趣模型的信息推荐[J]. 山东大学学报(理学版), 2017, 52(1): 15-22.
[11] 柳欣,徐秋亮,张波. 满足可控关联性的合作群签名方案[J]. 山东大学学报(理学版), 2016, 51(9): 18-35.
[12] 祝升,周斌,朱湘. 综合用户相似性与话题时效性的影响力用户发现算法[J]. 山东大学学报(理学版), 2016, 51(9): 113-120.
[13] 李宇溪,王恺璇,林慕清,周福才. 基于匿名广播加密的P2P社交网络隐私保护系统[J]. 山东大学学报(理学版), 2016, 51(9): 84-91.
[14] 查明明,王伟. FlowMonitor: Android隐私数据流向监控防护系统[J]. 山东大学学报(理学版), 2016, 51(9): 59-67.
[15] 唐乾,杨飞,黄琪,林果园. 基于TCB子集的访问控制信息安全传递模型[J]. 山东大学学报(理学版), 2016, 51(7): 98-106.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 孟祥波1,张立东1,杜子平2. 均值-方差标准下带跳的保险公司投资与再保险策略[J]. 山东大学学报(理学版), 2014, 49(05): 36 -40 .
[2] 韩亚飞,伊文慧,王文波,王延平,王华田*. 基于高通量测序技术的连作杨树人工林土壤细菌多样性研究[J]. 山东大学学报(理学版), 2014, 49(05): 1 -6 .
[3] 马媛媛, 孟慧丽, 徐久成, 朱玛. 基于粒计算的正态粒集下的格贴近度[J]. 山东大学学报(理学版), 2014, 49(08): 107 -110 .
[4] 孙小婷1,靳岚2*. DOSY在寡糖混合物分析中的应用[J]. J4, 2013, 48(1): 43 -45 .
[5] 田有功, 刘转玲. 任意支撑上5阶凸随机序的极值分布及其在保险精算中的应用[J]. 山东大学学报(理学版), 2014, 49(07): 57 -62 .
[6] 宋玉丹,王士同*. 基于特征缺省的最小类内方差支持向量机[J]. J4, 2010, 45(7): 102 -107 .
[7] 高正晖,罗李平. 含分布时滞与阻尼项的三阶非线性微分方程的Philos型振动[J]. J4, 2013, 48(4): 85 -90 .
[8] 李志荣 . 广义m阶Bell数和广义m阶有序Bell数的计算公式[J]. J4, 2007, 42(2): 59 -63 .
[9] 伍代勇, 张海. 具有Allee效应和时滞的单种群离散模型的稳定性和分支[J]. 山东大学学报(理学版), 2014, 49(07): 88 -94 .
[10] 胡明娣1,2,折延宏1,王敏3. L3*系统中逻辑度量空间的拓扑性质[J]. J4, 2010, 45(6): 86 -90 .