مدلی برای انتشار داده‌های شبکه‌های اجتماعی برخط با حفظ حریم خصوصی

امروزه رشد استفاده از شبکه های اجتماعی در میان اقشار مختلف جامعه جهانی، به‌صورت غیرقابل‌انکاری رو به فزونی افزایش یافته است. پایگاه داده شبکه های اجتماعی؛ شامل منابع غنی و با ارزشی هستند که انتشار یا تحلیل آن‌ها جهت برای مقاصد بازاریابی، تبلیغاتی، امنیت ملی، سلامت و ... می تواند برای محققان موسسات دولتی و خصوصی سودمند واقع گرددباشد؛ اما رعایت حریم خصوصی موجودیت هایی که اطلاعات آن‌ها در اختیار تحلیلگران داده‌کاوی قرار می گیرد، به‌عنوان یک پروتکل حقوقی ضروری است. در این مقاله، از طریق روش شناسی کیفی فراترکیب، کلیه ابعاد، شاخص ها و کدهای مربوطه استخراج و سپس میزان اهمیت و اولویت هر یک از عوامل، تعیین شده و متعاقباً مدل بهبودیافته گمنامی، به‌وسیله الگوریتم بهینه سازی کرم شب تاب و خوشه بندی فازی، ارائه گردیده شده است. نتایج شبیه سازی و ارزیابی های مدل پیشنهادی بر روی داده های چهار شبکه اجتماعی فیس‌بوک، یوتیوب، توییتر و گوگل پلاس، حاکی از حفظ حریم خصوصی داده ها با کمترین نسبت انحراف و بیشترین سودمندی است.

A Model to Publish Online Social Networks Data with Privacy Preserving

Nowadays the growth in the use of social networks among different classes of world community is increasingly undeniable. Social networks database include Rich and valuable resources whose release and analysis with the purpose of marketing, publicity, National Security, Health and etc. can benefit researchers of public and private institutions. But respect the privacy of the entities whose information is available to data miner analysis is essential as a legal protocol. In this Paper, through qualitative methodology Meta synthesis, all related dimensions, indicators and codes were identified and then the importance and priority of each of the factors was determined. Subsequently, the improved model of anonymity was presented by an optimizing firefly algorithm and fuzzy clustering. The result of simulation and assessment of the proposed model on the data of four social networks such as Facebook, YouTube, Twitter and Google+ depicts that privacy preserving of data with the lowest distortion ratio and the more usefulness of data.