题目：社交网络数据隐私保护方案研究

在线信息交互的发展使得社交网络在人们的日常交流中扮演着越来越重要的角色。社交网络分析在研究社群的信息流模型和社交网络发展领域等有着非常重要的作用，但也同时带来了隐私泄露风险。社交网络用户有多种数据隐私需要保护，包括身份隐私、链接关系隐私等。在链接关系隐私保护方面，用户对不同关系强度的链接关系有着不同的隐私保护需求。一般来说，用户对关系强度越强的链接关系有着更高的隐私保护需求。因此，针对社交网络中的数据隐私保护问题，本文完成了以下研究工作：

（1）加权社交网络图中的节点关系强度评价方法

分析了现有的节点关系强度评价方法和节点信任度计算方法，提出了一种加权社交网络图中的节点关系强度评价方法，这种方法结合了现有的直接关系强度计算方法和信任度传播策略，不仅能评价用户之间的直接关系强度，也能评价用户之间的间接关系强度。然后通过仿真实验与直接关系强度计算方案进行对比分析，证明了本方案的有效性。

（2）面向无向关系数据的匿名化隐私保护方案

针对社交网络无向关系数据的隐私泄露问题，设计一种面向无向关系数据的匿名化隐私保护方案，保护用户的无向关系数据隐私。首先计算用户节点和各个候选节点之间的关系强度，然后选取关系强度最强的候选节点作为虚假目的节点，进行链接扰动。最后从隐私保护和效用性两个角度对本方案进行了分析，通过实验与其他方案进行对比，证明了本方案不仅能保护用户无向关系数据隐私，还能最大限度地保留社交网络图拓扑特征。

（3）面向有向关系数据的匿名化隐私保护方案

分析了社交网络中有向关系数据与无向关系数据的不同，有向关系数据需要隐藏一条链接的源节点或目的节点来达到隐私保护的目的，而无向关系数据没有源节点和目的节点之分。进而针对社交网络有向关系数据的隐私保护问题，提出了一种面向有向关系数据的匿名化隐私保护方案。本方案首先计算相邻用户之间的关系强度，然后采用邻域随机化算法来对用户的每条出向链接进行替换。最后从隐私保护和效用性两方面对本方案进行了分析，与其他方案进行实验对比，证明了本方案不仅能保护用户有向关系数据隐私的同时，还能减小对社交网络图拓扑特征的损害。