حفظ حریم خصوصی در انتشار نسخه های متوالی داده‌های شبکه اجتماعی با امکان افزایش یال

با روی کار آمدن تعاملات مجازی، شبکه های اجتماعی جز جدایی ناپذیری از زندگی مردم شده‌اند. با تحلیل و بررسی داده های این شبکه‌ها می‌توان اطلاعات مفیدی استخراج کرد. اما با انتشار کامل این اطلاعات حریم خصوصی کاربر نقض می شود بنابراین پیش از انتشار باید داده ها گمنام شوند. در واقعیت، شبکه‌های اجتماعی در طول زمان در حال تغییر هستند و برای تحلیل دقیق داده‌ها نیاز است نسخه‌های به روز داده‌ منتشر شوند تکنیک های گمنام سازی تک نسخه پاسخگوی نیازمندی های حفظ حریم خصوصی داده های شبکه پویا نیستند زیرا علاوه بر اینکه با دسترسی به هر نسخه از داده ی گمنام شده باید شرایط حفظ حریم خصوصی برقرار باشد با مقایسه نسخه های گمنام شده متفاوت نیز نباید امکان نقض حریم خصوصی وجود داشته باشد و سودمندی داده در سطح قابل قبولی حفظ شود.در این مقاله مدل حریم خصوصی (α,β,γ,δ)-dsnp برای انتشار داده های شبکه ای پویا با امکان افزایش یال ارائه شده است که از کشف هویت، کشف صفت حساس، کشف یال و درجه جلوگیری می کند. در ادامه به کمک تکنیک گمنام سازی asn داده های پویای شبکه به صورتی گمنام می شوند که نیازمندی های مدل مورد نظر برآورده شود. نتایج شبیه سازی نشان می‌دهد در تکنیک‌های ارائه شده علاوه بر حفظ حریم‌خصوصی و سودمندی داده‌های جدولی، خواص توپولوژیکی شبکه در زمان های متفاوت در حد قابل قبولی حفظ می شود.