Abstract：
针对现有的图数据收集研究主要集中在简单图网络建模,而没有考虑边权重隐私保护,缺少对于相关领域的研究,在此基础上提出了一种基于本地化差分隐私(LDP)权重图发布方法.首先使用LDP图度量估计框架,可以在不泄露隐私的情况下估计目标图度量,然后使用EdgeProjection处理权重值,采用一元编码方式使得随机响应适用于任何实数.为节省隐私预算,只对部分数据进行收集.使用随机跳转算法RJ,减小全局敏感度,减少噪声添加量.并在数据集BA1 和IMDB上进行仿真,实验结果表明,在同样确保数据隐私的情况下,相比其它同类型方法,减少了更多信息损失,保证了数据有效性.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机仿真
ISSN： 1006-9348
Year： 2024
Issue： 8
Volume： 41
Page： 433-438
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 26
Affiliated Colleges：
