基于社交网络的社团安全与敏感链接隐私保护技术研究

扫码查看

原文链接

NETL

中文摘要：在现实世界中，许多复杂系统都可以表示为网络，如社交网络，生物网络，通信网络，交通网络等。近年来，由于社团检测、链接预测等复杂网络分析技术不断被完善，为分析社交网络结构和挖掘未知信息带来了诸多便利。然而，这也给网络中的个体带来了不可避免的隐私泄露问题，随着网络中用户的个人信息越来越容易通过线上社交应用被他人获取，社交网络中的用户面临着隐私泄露等一系列严峻的安全问题，身处社交网络中的社团成员希望保护自己的隐私信息而不被泄露，所以如何在社团检测过程中防止恶意攻击节点渗透入敏感社团，以及保护敏感链接防止被链接预测再次识别就显得至关重要。因此，通过某种技术手段对需要进行隐私保护的社团用户以及网络中用户的某些敏感链接进行隐藏处理的隐私保护技术应运而生。本文以社交网络为研究重点，对现有的一些安全问题进行研究，旨在解决出现在社团和用户敏感链接中的安全性问题，对抵御恶意攻击者混入社团的安全社团检测技术以及抵抗链接预测攻击的敏感链接保护方案进行相应的探索与研究。主要包含以下两项工作: 1.提出了一种基于相似度的对抗女巫攻击的分层社团检测方法SCDA。针对现有的社团检测算法存在的安全问题，例如攻击者可以以较低的攻击成本渗透到用户社团中进行信息获取，本文着重研究一种可以防御女巫攻击的社团检测新机制SCDA，它可以结合任何相似性度量来有效地分层检测社团并以不同的粒度防御女巫攻击。其次，本文是第一项综合考虑了分层社团检测和女巫攻击防御的工作，本文提出了几种可能的女巫攻击模型来模拟真实社交网络中的攻击过程。最后，本文进行了大量的实验证明了SCDA在社团检测和女巫攻击防御方面都具有良好的性能。 2.提出了一种用于对抗链接预测攻击的敏感链接保护方案RABC。由于攻击者可以通过链接预测模型来识别网络中用户不愿暴露的敏感链接，这使得仅从原始网络中移除敏感链接无法实现有效的隐私保护。本文针对这一问题提出了一种基于随机游走人工蜂群算法的目标链路保护机制RABC，RABC可以有效地防御基于RA相似性度量指标的链路预测攻击，为增强算法的局部搜索能力，本文将随机游走算法与原有的人工蜂群算法相结合。然后，本文在真实社交网络上进行了大量的对比实验，RABC在保护敏感链接不被链接预测模型成功检测到的良好性能，同时具有更高的运行效率。最后，RABC生成的扰动网络被证明可以用于防御其他类型的链路预测攻击方法。

作者：

李晶

展开 >

关键词：

社交网络社团安全分层社团检测链接预测链路扰动

授予学位：

硕士

学科专业：

网络空间安全

导师：

蒋忠元

学位年度：

2022

学位授予单位：

西安电子科技大学

语种：

中文

中图分类号：