实验室核心成员章静教授于2022年2月在SCI四区期刊Security and Communication Networks发表题为"Individual Attribute and Cascade Influence Capability based Privacy Protection Method in Social Networks"的论文。

摘要：用户可以通过在社交网络中共享信息来获得智能服务。大数据技术可以从这些信息中发现潜在的好处。然而，与此同时，人们也提出了严格的安全问题。公开数据可以被对手利用，这会带来可怕的后果。本文研究了隐私保护环境下的影响最大化问题，旨在找到一个能够使影响传播最大化和隐私披露最小化的安全用户子集。首先，为了估计每个用户的风险水平，提出了一个基于贝叶斯的个体隐私风险评估模型，对个体风险水平进行层次分析。其次，为了衡量每个用户的影响能力，设计了一个级联影响能力评价模型，对朋友影响能力水平进行层次分析。最后，基于这两个因素，设计了一种隐私保护方法来解决攻击约束问题下的影响最大化。此外，对比实验表明，该方法可以有效地实现影响最大化和隐私披露最小化的目标。

相关图片:

Figure2 Attributesvisibilitydistribution.

Figure3: Theinfluencebased on ICM under high degree attack model in the Facebooknetwork.(a) Not attacked, (b) the attacked set size is50%of the seed setsize, (c) the attacked set size is 70% of the seedset size, and (d)the attacked set size is 90% of the seed set size.

Figure4: Theprotectiondegree based on ICM under high individual privacyriskattack in theFacebook network. (a) -e attacked set size is10%of the whole networkand (b) the attacked set size is 20% of thewhole networ