Resumen

La privacidad diferencial (DP) proporciona una garantía de privacidad rigurosa y demostrable y asume un conocimiento previo arbitrario de los adversarios, lo que la hace distinta de trabajos anteriores en preservación de la privacidad. Sin embargo, la DP no puede lograr garantías de privacidad declaradas sobre conjuntos de datos con tuplas correlacionadas. Con el objetivo de proteger si dos individuos tienen una relación cercana en un conjunto de datos correlacionados correspondiente a una red ponderada, proponemos un método de liberación de datos de red diferencialmente privado, basado en la correlación de bordes, para lograr el equilibrio entre privacidad y utilidad. Específicamente, extraemos primero el Perfil de Borde (PF) de un borde de un grafo, que se transforma a partir de un conjunto de datos correlacionados en bruto. Luego, se define la correlación de bordes basada en los PF de ambos bordes a través de la Divergencia de Jenson-Shannon (JS-Divergencia). En segundo lugar, transformamos un conjunto de datos ponderados

• 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:Privacidad diferencial; Tuplas correlacionadas; Correlación de bordes; Red ponderada; Divergencia Jenson-Shannon; Liberación de datos de red.
• Keywords:Differential privacy; Correlated tuples; Edge correlation; Weighted network; Jenson-Shannon Divergence; Network data release