联合团过滤算法

隐私不外泄

多个参与方的本地网络在互不泄露隐私的前提下，联合进行重叠社区发现，达到与集中式算法完全一致的效果。

郭昆 · Guo, Wenzhong · Enjie, Ye · Yutong, Fang · JiaChen, Zheng · 刘西蒙 · Chen, Kai

ACM Transactions on Intelligent Systems and Technology 2023

参数信息

精度提升

>200 %

技术优势

隐私不泄露

采用同态加密与哈希运算保护每个本地网络的顶点和边，任何参与方都无法获得其他参与方的原始网络数据。

与集中式结果一致

在真实和人工数据集上，所提算法取得了与对应的集中式算法完全相同的社区发现结果。

精度提升超200%

相比不经联邦学习的简单分布式团过滤算法，精度提高了200%以上。

支持属性网络

在团相似度和团过滤计算中引入顶点属性，适用于带属性的网络数据。

应用场景

• 分布式社交网络分析：在不泄露用户隐私的情况下跨平台发现重叠社区，用于广告和推荐。
• 多方数据协作：多个参与方可以安全地联合分析各自持有的网络数据，无需共享原始数据。
• 群体协作隐私保护：在群体协作场景中，各方可以在不泄露成员隐私的前提下完成重叠社区发现。
• 智能体网络社区发现：在智能体网络中，可让多个智能体在不共享本地数据的情况下联合发现社区结构。