بهبود گمنامی در شبکه‌های واقعی با استفاده از الگوریتم‌های گرافی و خوشه‌بندی

حریم خصوصی در شبکه‌های اجتماعی از اهمیت ویژه‌ای برخوردار است. با استفاده از انواع متغیرهای گراف می‌توان به افشای اطلاعات پرداخت ، همین صورت تحلیل‌ها می‌توانند اطلاعات را در خطر افشا شدن قراردهند. در بسیاری از استراتژی‌های پاک‌سازی و حفظ محرمانگی ساختار گراف‌ها را بر اساس حمله یک دشمن اصلاح می‌کنند. در حالی که با ترکیب چندین طرح گمنام‌سازی، محافظت کامل‌تری از حریم خصوصی ارائه می کند. در این مقاله به افزایش گمنامی در گراف برای مقابله با حملات دانش پس زمینه با تمرکز بر مرکزیت درجه و زیر گراف و هاب‌های اثر انگشتی روی مجموعه داده کاراته پرداخته شده است. نتایج حاصل از تجزیه و تحلیل داده‌ها با استفاده از تکنیک خوشه‌بندی بهبود آن‌ها را تایید می‌کند.