[發明專利]一種基于差分隱私的局部高階圖聚類方法在審
| 申請號： | 201910490628.7 | 申請日： | 2019-06-06 |
| 公開（公告）號： | CN110263831A | 公開（公告）日： | 2019-09-20 |
| 發明（設計）人： | 李蜀瑜;邊錦;曹菡 | 申請（專利權）人： | 陜西師范大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 西安睿通知識產權代理事務所(特殊普通合伙) 61218 | 代理人： | 惠文軒 |
| 地址： | 710119 陜西省西*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 高階 鄰接矩陣 社交網絡 網絡子圖 擾動 聚類 隱私 矩陣 隨機游走算法 聚類集合 權重設置 隨機游走 向量計算 隱私保護 種子算法 權重 頁面 噪聲 近似 切割 集合 多樣性 輸出 轉化 | ||
1.一種基于差分隱私的局部高階圖聚類方法，其特征在于，包括以下步驟：
步驟1，獲取社交網絡數據集，即有向圖G(V,E)，選取三角Motif模型中的M7連接結構，作為有向圖G(V,E)的高階網絡子圖Motif結構；構建Motif鄰接矩陣，權重矩陣WM；采用差分隱私算法，對有向圖的Motif權重矩陣中Motif結構個數進行干擾，得到具有隱私保護的有向圖Gλ'；
其中，V為節點集，E為邊集；
步驟2，采用近似熱核頁面排名種子節點算法對具有隱私保護的有向圖Gλ'進行基于熱核頁面的隨機游走，得到節點的近似熱核向量
步驟3，采用局部聚類算法對每個近似熱核向量進行切割，得到近似熱核向量的局部聚類，即得到有向圖G(V,E)的局部聚類集合，完成有向圖G(V,E)的局部聚類。
2.根據權利要求1所述的一種基于差分隱私的局部高階圖聚類方法，其特征在于，步驟1包含以下子步驟：
子步驟1.1，構建Motif權重矩陣WM，其具體為：計算有向圖G(V,E)中從節點vi到節點vj之間的所有路徑中生成的Motif結構的數量，并將其作為鄰接矩陣中對應節點之間的權重w，生成Motif權重矩陣WM；
子步驟1.2，采用差分隱私算法，對有向圖的Motif權重矩陣WM中的Motif個數進行干擾，得到擾動后的權重矩陣WM'，即得到具有隱私保護的有向圖Gλ'。
3.根據權利要求2所述的一種基于差分隱私的局部高階圖聚類方法，其特征在于，子步驟1.2包含以下子步驟：
子步驟1.2.1，構造新的有向圖Gλ，使新的有向圖Gλ中Motif結構個數的上限為λ；其具體步驟為：
首先，分別計算與每個節點vi連接的Motif結構個數Trii(G)＝wi；
然后，對于vi∈V，判斷與每個節點vi連接的Motif結構個數wi是否大于上限λ，若wi≥λ，則刪除與vi連接的節點中Motif結構個數大于λ的邊，否則，保留節點vi與對應節點之間的邊；從而得到新的有向圖Gλ；
子步驟1.2.2，對新的有向圖Gλ中的Motif結構個數添加拉普拉斯噪聲干擾，得到擾動后的權重矩陣WM'；
其中，Lap(·)表示拉普拉斯機制概率密度函數，ε為Motif分配的隱私預算；
進而得到具有隱私保護的有向圖Gλ'。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于陜西師范大學，未經陜西師范大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910490628.7/1.html，轉載請聲明來源鉆瓜專利網。
