[论文解读] Injecting Uncertainty in Graphs for Identity Obfuscation

Paolo Boldi, Francesco Bonchi+2 more|arXiv (Cornell University)|Aug 21, 2012

Privacy-Preserving Technologies in Data参考文献 31被引用 7

一句话总结

本文提出了一种新颖的图匿名化方法，通过为社交网络中的边分配概率性存在值（p(e) ∈ [0,1]）而非完全添加或删除边，注入细粒度的不确定性。通过允许部分扰动，该方法在实现与传统随机扰动方法相当的隐私保护水平的同时，显著提升了数据可用性，该结论已在DBLP和Flickr等真实网络上得到验证。

ABSTRACT

Data collected nowadays by social-networking applications create fascinating opportunities for building novel services, as well as expanding our understanding about social structures and their dynamics. Unfortunately, publishing social-network graphs is considered an ill-advised practice due to privacy concerns. To alleviate this problem, several anonymization methods have been proposed, aiming at reducing the risk of a privacy breach on the published data, while still allowing to analyze them and draw relevant conclusions. In this paper we introduce a new anonymization approach that is based on injecting uncertainty in social graphs and publishing the resulting uncertain graphs. While existing approaches obfuscate graph data by adding or removing edges entirely, we propose using a finer-grained perturbation that adds or removes edges partially: this way we can achieve the same desired level of obfuscation with smaller changes in the data, thus maintaining higher utility. Our experiments on real-world networks confirm that at the same level of identity obfuscation our method provides higher usefulness than existing randomized methods that publish standard graphs.

研究动机与目标

• 为解决发布社交网络图时的隐私-可用性权衡问题。
• 克服现有匿名化方法在使用二值边修改（添加/删除）时的局限性。
• 为不确定图形式化定义一种新的(k, ε)-混淆模型。
• 证明更细粒度的扰动可在实现同等隐私保护的同时保持更高的数据可用性。
• 实现对不确定图上图统计量的高效计算，以支持实际分析。

提出的方法

• 提出一种概率图模型，其中每条边e以概率p(e) ∈ [0,1]存在。
• 引入(k, ε)-混淆框架，基于度分布相似性形式化隐私保障。
• 使用边概率调整作为原子扰动操作，支持部分边的创建或删除。
• 采用统计相似性度量（如度分布、聚类系数、直径的相对误差）评估可用性。
• 适配现有的不确定图查询与挖掘技术，以高效计算混淆图上的统计量。
• 将该方法应用于真实网络（DBLP、Flickr），并与随机扰动和稀疏化方法进行可用性对比。

实验结果

研究问题

• RQ1 在相同混淆水平下，通过向边中注入部分不确定性，是否能实现比完全添加或删除边更高的数据可用性？
• RQ2 如何为不确定图定义一个正式的(k, ε)-混淆模型以确保隐私？
• RQ3 在不确定图中，衡量可用性的最有效图统计量是什么？
• RQ4 如何高效计算不确定图上的关键图属性（如度分布、聚类系数、直径）？
• RQ5 在真实场景中，该方法是否能优于现有的随机扰动技术？

主要发现

• 在DBLP中，当k=60且ε≈10⁻³时，所提方法在图统计量上的相对误差为4.3%，而随机扰动（p=0.04）的相对误差为7.1%。
• 在Flickr中，当k=20且ε≈10⁻⁴时，该方法将相对误差从稀疏化方法的92.1%降低至11.2%。
• 在所有测试指标（聚类系数、直径、度分布）上，该方法的可用性均高于随机扰动和稀疏化方法。
• 该方法在实现相当的混淆水平时，整体数据变更更小，证实了细粒度扰动的优势。
• 该方法可利用现有的不确定图查询技术，高效计算图统计量。
• 实验结果证实，部分边概率调整比二值边修改更能保持与原始图的结构相似性。