[發明專利]社交網絡去匿名方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010742424.0
• 申請日: 2020-07-29
• 公開（公告）號: CN111882449B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 趙曉娟;王培;常春喜;陳愷;王昌海;馬鍶霞;李晨晨
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06F21/62;G06N3/08;G06N3/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 周達

1.一種社交網絡去匿名方法，其特征在于，所述方法包括：

對預先獲取的社交網絡進行匿名處理，得到匿名網絡；

采用隨機游走策略，獲取所述匿名網絡中預設步數的用戶節點序列，根據所述用戶節點序列，構建用戶語料庫；

利用預先設置的詞向量模型對所述用戶語料庫中的用戶進行嵌入，得到用戶節點向量；

獲取預先設置的輔助網絡，根據所述輔助網絡中用戶節點和所述匿名網絡中用戶節點，構建種子節點對；

將所述種子節點對對應的向量對輸入預先設置的全連接神經網絡，得到訓練好的全連接神經網絡；

將匿名網絡中待預測的用戶節點向量輸入訓練好的全連接神經網絡，輸出所述輔助網絡中去匿名的匹配結果。

2.根據權利要求1所述的方法，其特征在于，所述對預先獲取的社交網絡進行匿名處理，得到匿名網絡，包括：

獲取社交網絡中的連邊信息；

根據預先設置的噪聲率，刪除所述社交網絡中的n％條邊，得到剩余連邊集合；

隨機添加n％條邊，得到新增連邊集合；

根據所述剩余連邊集合和所述新增連邊集合，得到匿名網絡。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

隨機生成一條檢測邊，當所述檢測邊不在剩余連邊集合和所述新增連邊集合中時，將所述檢測邊加入所述新增連邊集合；

以及，刪除所述新增連邊集合中與所述剩余連邊集合相同的邊。

4.根據權利要求1所述的方法，其特征在于，所述利用預先設置的詞向量模型對所述用戶語料庫中的用戶進行嵌入，得到用戶節點向量，包括：

對所述用戶語料庫中的用戶節點序列進行one-hot編碼，得到N維向量；

利用N維向量訓練預先設置的Skip-Gram模型，得到訓練好的Skip-Gram模型；

通過訓練好的Skip-Gram模型輸出用戶節點向量。

5.根據權利要求1所述的方法，其特征在于，將所述種子節點對對應的向量對輸入預先設置的全連接神經網絡，得到訓練好的全連接神經網絡，包括：

設置損失函數為：

其中，cos(*)表示余弦相似函數，表示從匿名網絡到輔助網絡的映射，V_a表示匿名網絡中用戶節點向量，V_x表示輔助網絡中用戶節點對應的向量；

將所述種子節點對對應的向量對輸入預先設置的全連接神經網絡，通過所述損失函數進行訓練，得到訓練好的全連接神經網絡。

6.根據權利要求1至5任一項所述的方法，其特征在于，所述將匿名網絡中待預測的用戶節點向量輸入訓練好的全連接神經網絡，輸出所述輔助網絡中去匿名的匹配結果，包括：

將匿名網絡中待預測的用戶節點向量輸入訓練好的全連接神經網絡，輸出匹配向量；

根據所述匹配向量在所述輔助網絡中進行搜索，確定最接近的用戶節點作為去匿名結果。

7.一種社交網絡去匿名裝置，其特征在于，所述裝置包括：

網絡匿名模塊，用于對預先獲取的社交網絡進行匿名處理，得到匿名網絡；

結構采樣模塊，用于采用隨機游走策略，獲取所述匿名網絡中預設步數的用戶節點序列，根據所述用戶節點序列，構建用戶語料庫；

向量嵌入模塊，用于利用預先設置的詞向量模型對所述用戶語料庫中的用戶進行嵌入，得到用戶節點向量；

學習模塊，用于獲取預先設置的輔助網絡，根據所述輔助網絡中用戶節點和所述匿名網絡中用戶節點，構建種子節點對；將所述種子節點對對應的向量對輸入預先設置的全連接神經網絡，得到訓練好的全連接神經網絡；

輸出模塊，用于將匿名網絡中待預測的用戶節點向量輸入訓練好的全連接神經網絡，輸出所述輔助網絡中去匿名的匹配結果。

8.根據權利要求7所述的裝置，其特征在于，網絡匿名模塊還用于獲取社交網絡中的連邊信息；根據預先設置的噪聲率，刪除所述社交網絡中的n％條邊，得到剩余連邊集合；隨機添加n％條邊，得到新增連邊集合；根據所述剩余連邊集合和所述新增連邊集合，得到匿名網絡。