کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6856217 1437949 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Differentially private graph-link analysis based social recommendation
ترجمه فارسی عنوان
توصیه های اجتماعی مبتنی بر تجزیه و تحلیل خصوصی گرافیکی متفاوت است
کلمات کلیدی
توصیه های اجتماعی، شبکه اجتماعی آنلاین، حریم خصوصی دیفرانسیل
ترجمه چکیده
شبکه های اجتماعی مدرن همیشه نیاز به سیستم توصیه های اجتماعی دارند که گره ها را به گره هدف بر اساس لینک های موجود از این هدف توصیه می کند. این به یک مشکل حریم خصوصی منجر می شود، زیرا گره هدف می تواند پیوندهای بین گره های دیگر را با رعایت توصیه هایی که دریافت کرده است، به دست آورد. به عنوان یک مفهوم دقیق از حریم خصوصی، تعریف حریم خصوصی اختیاری برای تعریف حریم خصوصی پیوند در توصیه های اجتماعی استفاده می شود. با این حال، کار موجود نشان می دهد که دقت اعمال حریم خصوصی دیفرانسیل به توصیه ضعیف است، حتی تحت تضمین حریم خصوصی نامحدود. در این مقاله، ما دریافتیم که این نتیجه منفی به دلیل تعریف بیش از حد محدود کننده در حساسیت مشکل است. ما پیشنهاد می کنیم یک مکانیسم برای دستیابی به توصیه های اجتماعی مبتنی بر تجزیه و تحلیل خصوصی گرا خصوصی ایجاد کنیم. ما آزمایش هایی برای ارزیابی حریم خصوصی و دقت مکانیسم پیشنهاد شده ما انجام می دهیم، نتایج نشان می دهد که مکانیزم پیشنهادی ما بین تجارت خصوصی و دقت در مقایسه با کارهای موجود بهتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Modern social networks always require a social recommendation system which recommends nodes to a target node based on the existing links originate from this target. This leads to a privacy problem since the target node can infer the links between other nodes by observing the recommendations it received. As a rigorous notion of privacy, differential privacy has been used to define the link privacy in social recommendation. However, existing work shows that the accuracy of applying differential privacy to the recommendation is poor, even under an unreasonable privacy guarantee. In this paper, we find that this negative conclusion is problematic due to an overly-restrictive definition on the sensitivity. We propose a mechanism to achieve differentially private graph-link analysis based social recommendation. We make experiments to evaluate the privacy and accuracy of our proposed mechanism, the results show that our proposed mechanism achieves a better trade-off between privacy and accuracy in comparison with existing work.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 463–464, October 2018, Pages 214-226
نویسندگان
, , , ,