协同个性化边缘差分隐私模型

个性化保护社交关系

通过用户自定义的边级秘密规范和用户级隐私参数，在保护敏感社交关系的同时保持网络特征的高可用性。

Chen, Jiajun · 胡春强 · Weihong, Sheng · 邓绍江 · 胡鹏飞 · 禹继国

IEEE Transactions on Services Computing 2026

技术优势

用户自己定保护

每个用户可指定边级秘密规范和用户级隐私参数，敏感关系个性化保护，不牺牲整体效用。

效用更高

策略驱动的个性化使关键图统计量估计更准确，优于传统差分隐私机制。

保证一致性

协同决策过程确保隐私保证一致且可解释，不会因个性化而出现矛盾。

应用场景

• 社交网络隐私保护：平台可让用户自行标注敏感关系，按需加噪，防止关系泄露。
• 差分隐私：将个性化偏好纳入DP框架，为图数据提供可解释的隐私保证。
• 图数据发布：发布社交图时能保留更多统计特征，提高下游分析准确性。
• 隐私保护数据挖掘：在挖掘图数据时保护敏感边，同时维持挖掘结果的可用性。