Resumen

Las redes sociales pueden ser analizadas para descubrir problemas sociales importantes; sin embargo, esto provocará una revelación de privacidad en el proceso. Los pesos de los bordes juegan un papel importante en los grafos sociales, los cuales están asociados con información sensible (por ejemplo, el precio del comercio comercial). En el documento, proponemos la estrategia MB-CI (Fusión de Barriles e Inferencia de Consistencia) para proteger los grafos sociales ponderados. Al considerar la secuencia de pesos de los bordes como un histograma no atribuido, la privacidad diferencial para los pesos de los bordes puede implementarse basándose en el histograma. Dado que algunos bordes tienen el mismo peso en una red social, fusionamos los barriles con el mismo recuento en un grupo para reducir el ruido requerido. Además, se propone la -indistinguibilidad entre grupos para cumplir con la privacidad diferencial y no violarla, ya que la simple operación de fusión puede revelar información por la magnitud del ruido en sí mismo. Para mantener la mayoría de los caminos más cortos sin cambios, realizamos una inferencia

• Materias:Amenaza avanzada persistente Internet de las cosas Seguridad cibernética Estegoanálisis Cifrado descentralizado
• Subjects:Advanced persistent threat Internet of things Cyber security Stegoanalysis Decentralized encryption
• Palabras claves:Redes sociales; Divulgación de la privacidad; Pesos de las aristas; Grafos sociales; Privacidad diferencial; Inferencia de coherencia
• Keywords:Social networks; Privacy disclosure; Edge weights; Social graphs; Differential privacy; Consistency inference