图隐私论文速递：Privacy Leakage via De-anonymization and Aggregation in Heterogeneous Social Networks

作者：gufe_hfding

论文概况

这是今天分享的第二篇论文，原本是2017年就在线发表了，正式发表在今年的TDSC上，是上海交大朱浩瑾老师团队的论文“Privacy Leakage via De-anonymization and Aggregation in Heterogeneous Social Networks”。朱老师是2016年的教育部青年长江学者，是个很厉害的研究人员，他们团队在2015-2017年间发表了多篇图隐私方面的论文，这篇论文应该是最后一篇，之后就没有再看到他们团队关于图隐私方面的论文了，近两年的论文主要聚焦在IOT安全方面了，可能是他们团队有新的项目。

可以进一步查看朱老师的个人主页。

论文创新

这篇论文在在2017年左右应该是创新比较大的，这两年不同的方法被提出来。论文中主要用的利用结构信息和属性信息来帮助社交网络去匿名，是一个基本的方法了，做的工作最多算作是细致，详实。有一点儿值得特别说，就是用了不同的真实社交网络，也就是异构社交网络来进行去匿名，对真实环境中的隐私保护具有更大的驱动价值。因为通过去匿名攻击，确实很多真实的信息被挖掘出来，更能引起人们对隐私保护的重视吧。

论文启示

这篇论文对个人的价值在于论文写作方面吧。用详实的过程，示意图、表格等把论文的主要工作阐述清楚，是非常值得借鉴的。

此外，个人觉得当前的很多去匿名算法，只利用结构信息，我想应该是想从方法上提高去匿名的精度，而不仅仅是依靠更多的属性信息来提高精度。抓住更多结构的拓扑复杂特征，才是图隐私的根本，当然能把这些特征信息适当简略化，提高效率也是一个方面。接下来，才是结合属性信息来提高精度，这个是很直观的考虑。