摘 要：为了有效地防范社交网络环境中用户数据隐私泄露的风险，提出一种基于聚类的社交网络保护机制。首先将全同态加密技术引入社交共享数据中，保护社交过程中数据的隐私安全；其次，在保证用户信息和数据安全的前提下构建社交网络结构图，将经过同态加密处理的用户信息和数据按照节点相似度进行聚类，并对聚类后的社交网络结构进行分类和区分；最后对聚类后的超节点进行匿名化处理和分析，结果表明该社交网络模型可以降低信息损失度，同时保证了用户数据的隐私安全，验证了数据可用性。
关键词：社交网络；聚类；全同态加密；匿名化；信息损失度
DOI:10.19850/j.cnki.2096-4706.2022.16.044
基金项目：黔东南州科技计划项目（黔东南科合 J 字〔2021〕39 号）；扶持市（州）高校质量提升工程项目（院办发〔2022〕10 号 -32）；贵州省普通高等学校青年科技人才成长项目（黔教合 KY 字〔2020〕179，黔教合 KY 字〔2020〕180）；凯里学院专项课题（XTYB1602）
中图分类号：TP309 文献标识码：A 文章编号：2096-4706（2022）16-0168-03
Research on the Security Mechanism of Social Network Based on Clustering
LI Qiuxian，ZHOU Quanxing
(Kaili University, Kaili 556011, China)
Abstract: In order to effectively prevent the risk of user data privacy leakage in social network environment, a social network protection mechanism based on clustering is proposed. First, we introduce fully homomorphic encryption technology into social shared data to protect the privacy security of data in the social process; secondly, construct a social network structure diagram under the premise of ensuring the security of user information and data, cluster the user information and data processed by homomorphic encryption according to the node similarity, and classify and distinguish the clustered social network structure; finally, the clustered supernodes are anonymized and analyzed. The results show that the social network model can reduce the degree of information loss, ensure the privacy security of user data, and verify the availability of data.
Keywords: social network; clustering; fully homomorphic encryption; anonymization; degree of information loss
参考文献：
[1] WANG P，XU B W，WU Y R. Link prediction in social networks: the state-of-the-art [J].Science China (Information Sciences)， 2015，58（1）：1-38.
[2] 刘卜 . 移动社交网络平台的研究与实现 [D]. 北京：北京邮电大学，2011.
[3] 刘红岩，陈剑，陈国青 . 数据挖掘中的数据分类算法综述[J]. 清华大学学报（自然科学版），2002（6）：727-730.
[4] 张衡 . 公共云存储服务数据安全及隐私保护技术综述 [J].电子技术与软件工程，2015（6）：223.
[5] 冯登国，张敏，李昊 . 大数据安全与隐私保护 [J]. 计算机学报，2014，37（1）：13.
[6] 李秋贤，田有亮，王缵 . 基于全同态加密的理性委托计算协议 [J]. 电子学报，2019，47（2）：470-474.
[7] 丁红发，彭长根，田有亮，等 . 基于演化博弈的隐私风险自适应访问控制模型 [J]. 通信学报，2019，40（12）：9-20.
[8] WANG S L，TSAI Z Z，TING I H，et al. K-anonymous path privacy on social graphs [J].Journal of intelligent & fuzzy systems， 2014，26（3）：1191-1199.
[9] 吴响，臧昊，俞啸 . 基于抽样路径的 K- 匿名隐私保护算法 [J]. 电子技术应用，2016，42（12）：115-118.
[10] NI L N，TIAN F L，NI Q H，et al. An anonymous entropybased location privacy protection scheme in mobile social networks [J]. EURASIP Journal on Wireless Communications and Networking，2019（1）：1-19.
[11] YANG J，WANG B，YANG X C，et al. A secureKautomorphism privacy preserving approach with high data utility in social networks [J]. Security and Communication Networks，2014（9）： 1399-1411.
[12] 韦伟，李杨，张为群 . 一种基于 GSNPP 算法的社交网络隐私保护方法研究 [J]. 计算机科学，2012，39（3）：104-106.
[13] 付艳艳，张敏，冯登国，等 . 基于节点分割的社交网络属性隐私保护 [J]. 软件学报，2014，25（4）：768-780.
作者简介：李秋贤（1992—），女，汉族，河南温县人，讲师，硕士，主要研究方向：密码学与博弈论；周全兴（1987—），男，汉族，贵州绥阳人，副教授，学士，主要研究方向：数据分析、区块链技术。