基于EDLATrust算法的社交网络信息泄露节点概率预测

摘要：

在社交网络信息传播过程中,信息转发在用户之间广泛使用,但是存在着隐私信患在信息发布者未授权的情况下遭到泄露的问题.预测发现隐私信息泄露节点,对杜绝该类安全隐患具有重要意义.该文针对隐私信息泄露节点预测问题,提出了一种基于估计器的分布式学习自动机的信任推断(EDLATrust)算法,该算法能够推断社交网络中非直连节点之间的信任值,并减少算法收敛次数.基于信患转发时通常采用的线性传播和群传播2种典型传播模型,设计了满足信任传播模型的3种特征,采用XGBoost算法进行节点链接关系预测.该算法实现了对社交网络信息泄露节点的概率预测,利用该预测概率可以有效辅助推断信息传播过程中的信息泄露节点,从而提高了社交网络信息传播的安全性.在3个社交网络数据集上的实验表明,使用该算法能够有效地预测信息转发链当中信患的泄露节点,保护了用户的隐私安全.

关键词：社交网络、信息泄露、估计器、分布式学习自动机、XGBoost

所属期刊栏目：62

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61975124

在线出版日期：2022-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：355-366