Studying the utility preservation in social network anonymization via persistent homology

به دنبال روند حفاظت از حریم خصوصی در انتشار آنلاین شبکه اجتماعی، مکانیزم های شناسایی مختلف طراحی شده و اعمال شده اند. حریم خصوصی دیفرانسیل رویکردی است که سطح حریم خصوصی را تضمین می کند. بسیاری از مکانیزم های موجود ادعا می کنند که آنها همچنین می توانند این ابزار را در حین شناسایی نامناسب حفظ کنند. با این حال، تجزیه و تحلیل ابزار خود را همیشه بر اساس برخی از معیارهای به طور خاص انتخاب شده است. در حالیکه معیارهای موجود تنها بخش عمدهای از ابزار گراف را ارائه می دهند، این مقاله به دنبال یافتن روش جدیدی است که شبکه را در مقیاس های مختلف نشان می دهد. هماهنگی مداوم یک متریک سطح بالایی است؛ در آن ویژگی های توپولوژیکی پارامتری را با مقیاس های مختلف نشان می دهد و برای برنامه های دنیای واقعی قابل استفاده است. در این مقاله، چهار سازوکار حریم خصوصی اختیاری با مدل های انتزاعی مختلف با معیارهای گراف سنتی و هماهنگی مداوم تحلیل می شود. نتایج ارزیابی نشان می دهد که تمام الگوریتم ها می توانند به طور جزئی یا به طور مشروط برخی از ویژگی های گراف را حفظ کنند، اما هیچیک از آنها برای تمام معیارها مناسب نیست. علاوه بر این، هیچ یک از مکانیزم های موجود، هماهنگی پایدار را به طور کامل حفظ نمی کند، به ویژه در ابعاد بزرگ، که این بدان معنی است که کاربرد گراف واقعی از دست رفته است.