Resumen

Con el objetivo de proporcionar más información sobre los comportamientos entre grupos o patrones entre clusters en redes sociales, proponemos un método de dos pasos diferencialmente privado para liberar la distribución de coeficientes de agrupamiento en comunidades. El algoritmo DPLM mejora un método Louvain para particionar una red utilizando un mecanismo exponencial. Introducimos una ganancia absoluta de modularidad para sanear comunidades vecinas. De lo contrario, el algoritmo es difícil de converger debido a la aleatoriedad introducida. El algoritmo DPCC traza la distribución ruidosa de coeficientes de agrupamiento como un histograma, lo que presenta los resultados de manera intuitiva. Realizamos experimentos en tres conjuntos de datos del mundo real para evaluar el método propuesto. Los resultados experimentales indican que el método propuesto proporciona resultados de distribución valiosos al tiempo que garantiza la privacidad diferencial. Además, el algoritmo DPLM puede obtener una mejor modularidad para las redes.

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Método propuesto; Coeficientes de agrupación; Redes sociales; Privacidad diferencial; Algoritmo DPLM; Modularidad
• Keywords:Proposed method; Clustering coefficients; Social networks; Differential privacy; DPLM algorithm; Modularity