匿名隐私保护总结

一、隐私保护方式有 4 种：1、节点 k 匿名；2、子图 k 匿名；3、数据扰动；4、推演控制
二、实验评价指标：1、边变化数；2、信息损失率；3、聚类系数；4、节点平均度；5、平均路径长度；6、攻击概率
三、2008 年论文《Towards Identity Anonymization on Graph》提出的 k匿名属于：子图 k 匿名。第一阶段的动态规划以及贪心算法基本上在其他论文中也是直接使用，然后通过第二阶段算法的改进来进行，提出增边，移边，增加噪声点等方面都做了很多实验，之后在考虑网络的信息损失率等因素，提出了最小化社团结构信息损失等方法来改进实验。
四、k 匿名分为数据表 k 匿名与社交网络 k 匿名，数据表 k 匿名相关研究很多，在 k-anonymity 的基础上又提出了 l-Diversity 以及 t-closeness 等。关系表 k 匿名有提出相关近似算法《On the complexityof optimal k-anonymity》、《Approximate algorithms for K-anonymity》。社交网络 k 匿名也在《Anonymizing Graphs》中提出了（k，l）匿名并给出近似算法。
l-Diversity：指的是在一组匿名分组内的节点都具有相同的 l 个邻居
t-closeness：指的是在等价类中具有 t 个相同的敏感属性值，可能由于社交网络考虑的仅是节点与边的关系，忽略了节点属性值，故在社交网络上暂没找到相关研究。
五、社交网络 k 匿名在考虑邻居攻击这个因素之后，提出 k-对称图、k-自同构、k-同构等方法来进行隐私保护。
六、k 匿名还可以应用在加权图上，攻击者在加权图上的攻击背景为：邻居图以及边属性值。已有研究通过加入伪点、伪边或者设置边标签等方式，主要看了一个方面，提出的 k-shortest paths 概念。