社交网络用户隐私量化建模与实证

在线社交网络的飞速发展对社交网络用户的隐私保护提出了新的挑战.通过使用社会网络分析、决策分析理论和实证研究的方法,建立了一种用户隐私向量模型,从而实现对社交网络中用户隐私保护状况的量化分析.并在此基础上以新浪微博为研究对象,通过微博用户的真实数据进行实证分析.研究结果表明:用户隐私量值对用户的行为有重要影响,真实社交网络中大部分用户的隐私关注程度较低,高隐私关注群体和低隐私关注群体的比例较小,用户的私信和地理位置信息的分享行为受用户的隐私关注情况影响大.研究结果对社交网络用户的隐私保护、社交网络中用户行为规律的研究具有参考意义.     

社交网络中的用户转发行为预测

以新浪微博为研究对象,基于微博主题及用户特征,提出社交网络中的用户转发行为预测算法.首先,基于互信息理论,从已发生转发行为的用户的微博内容中提取特征,通过分析给定用户的微博内容与特征之间的相关程度,预测用户是否会对给定主题的微博发生转发行为;然后通过研究用户性别、粉丝数、关注数、微博数与用户转发行为的关系,选取合适的用户特征描述,并基于贝叶斯模型预测给定用户对微博的转发概率.最后,结合以上2种算法的预测结果,得到给定用户对某主题微博的转发行为预测.该预测算法对研究网络舆情传播及微博营销具有重要意义.     

基于静电场理论和PageRank算法的微博用户相关性分析

微博作为最流行的网络社交媒体之一,其用户之间的相关性分析,是社交网络应用中社区发现、影响传播和行为建模等问题的重要基础.以静电场理论和PageRank算法为基础,利用其简单可靠、基础坚实的良好性质,提出了微博用户重要程度、用户行为距离的概念,并结合微博文本词汇相似度,给出了微博用户相关性的度量方法.实验结果表明,提出的微博用户相关性分析方法具有高效性和准确性.     

微博类社交网络中信息传播的测量与分析

为了更好地掌握在线社交网络中信息传播的特征规律和用户行为,以新浪微博为代表对社交网络中的信息传播进行了较大规模的测量、统计和分析,提出了一种三角和算法用于探测用户粉丝数阈值。该算法根据散点分布的统计规律来估计使微博热度达到某一值的粉丝数的临界值,发现为使微博热度大于10,用户粉丝数应大于150。其他测量分析结果表明:新浪微博具有很强的"名人效应",用户频繁地发帖并不能引起较大的关注,热门微博的热度几乎都以激增方式增长。这些结论对网络营销和网络监管具有参考价值。     

基于匿名广播加密的P2P社交网络隐私保护系统

针对已有的广播加密方案无法很好地对用户的隐私进行保护问题,提出了基于合数阶双线性群以及拉格朗日插值法的具有接收者匿名性的广播加密方案。并针对现有的P2P社交网络存在的隐私保护方面的不足,基于匿名广播加密方案构建了P2P社交网络隐私保护系统。在Android客户端设计与实现了关键算法及系统的功能模块,并对各模块进行了功能验证。验证结果表明该匿名广播加密算法在保证对用户数据进行分发同时,解决了已有P2P社交网络中依赖高代价匿名技术来对用户数据进行隐私保护或者用户权限的过度开放等问题,有效地保护了接收者的隐私性。     

支持隐私保护的社交网络信息推荐方法

针对社交网络信息推荐中的信息传播带来隐私泄露的问题,结合信息传播模型,提出了一种支持隐私保护的社交网络信息推荐方法,通过好友的兴趣度、熟悉度和兴趣相似度推测用户兴趣,进行文本匹配和推荐候选集排序;通过个性化隐私偏好设置允许用户设置受限访问用户列表,并使用隐私保护方法计算信息传播至黑名单用户的概率,设置隐私泄露阈值对黑名单用户访问隐私博文的概率进行控制,达到信息推荐中保护用户隐私的目的。实验结果表明,所提方法可以在保证推荐效果的同时更好地保护用户隐私。     

一种移动社交网络的协同定位隐私保护方法

基于位置服务的移动社交网络中用户分享携带位置和好友标签的信息,不仅会影响用户位置隐私也会泄漏好友的位置信息,从而导致基于协同定位信息攻击的位置隐私泄露问题.为此,文中提出了一种防御协同定位信息攻击的位置隐私保护方法,设计了基于用户与好友线上交互的关系强度计算方法,给出了关系强度与位置隐私保护需求的关联和量化方法,实现了一种基于协同定位信息隐藏和时间调整(CCTA)的位置隐私保护算法.在推特数据集上的实验结果表明,文中方法能满足用户位置隐私保护需求,且保护效果最佳.     

基于感知控制视角的网络隐私忧虑实证研究

研究不同的网络隐私保障手段对网民们网络隐私忧虑的影响,对于互联网行业未来的发展具有相当重要的意义.以技术威胁规避理论中的控制理论为基础,构建网络隐私忧虑影响机制研究模型,并针对模型提出假设.实证结果表明在中国：1）政府立法与网络隐私忧虑没有关系.2）互联网业界行规的自律与网络隐私忧虑没有关系.3）自我保护手段中的技术性自我保护手段虽然与感知避免能力正相关,但感知避免能力与网络隐私忧虑负相关的假设没有得到证实,无法进一步验证两者关系.4）感知威胁与网络隐私忧虑正相关,提出网络隐私忧虑影响机制模型,对未来相关领域研究提供新的研究视角;影响机制中的因素对网络隐私忧虑测量模型中二阶因子的影响,也可为学术界进一步研究相关问题提供有益参考.     

社交网络用户属性的隐私度量与决策分析方法

提出一种基于模糊层次分析和逼近理想解排序法的隐私决策优化方法,为用户在社交网络场景中实施隐私决策时提供可靠的隐私建议。首先,将社交属性的敏感度、独特性效用和普遍性效用作为价值评价指标,给出相应的量化方法,评价指标的权重计算过程是根据评价指标重要性的评价规则,采用模糊层次分析法构造模糊判断矩阵。然后,采用逼近理想解排序法对社交属性进行综合评估分析和排序,通过实验分析比较3种评价规则的个性化评估结果,实验结果表明该方法在满足个性化隐私需求的前提下能指导用户优化个人信息配置。     

基于扰动的社交网络保护方法研究

扰动技术是社交网络隐私保护的重要方法,本文提出了高斯随机扰动和贪心扰动两种扰动算法保护社交网络的权值,分别适用于动态和静态社交网络。高斯随机扰动可以简单有效地保护动态社交网络的权值隐私,贪心扰动算法将社交网络的边分类,可以在保护静态社交网络权值隐私的同时保证社交网络的最小生成树不变,提高社交网络数据的可用性。实验结果表明两种算法均能有效保护社交网络的权值安全,并且保持较高的数据可用性。     

基于用户转发的User-Behavior Rank算法研究

近些年,微博、博客、人人网、豆瓣等各种社交网络的发展,引发了学术界对社会网络、虚拟社区的关注.本论文提出了一种基于用户转发的User-Behavior Rank(UBR)算法,力求在推荐过程执行之前,预先选出微博社区中具有权威性的博主,提高推荐新颖性.文中的基于转发行为的User-Behavior Rank是对传统的Page Rank(PR)的改进,以博主之间的关注关系为边,基于其发微博的行为以及其粉丝对微博的转发,计算各自的UBR值,取UBR值较大的博主作为推荐集合.与Page Rank相比,UBR能够选出更加符合社会实际的有影响力的用户集.     

采用用户名相似度传播模型的线上用户身份属性关联方法

针对用户跨线上行为复杂多样难以融合监控的问题,提出了基于用户名相似度传播模型的线上用户身份属性关联方法。结合中文社交网络中用户名的特征,将用户名中的中英文字符进行分离,并采用贪婪算法分别求取不同用户名之间的中英文字符串的最大公共子串,以此实现含中英文字符的用户名相似度的计算;结合用户线上的好友结构网络,仅利用一阶邻居的用户名相似度求解用户对的匹配度,由此不但实现了用户名相似度沿网络结构的快速传播,也大幅度地降低了匹配算法的计算复杂度。结合所收集的新浪微博和人人网中用户身份属性数据的实验结果表明:新提出的字符串匹配算法将用户名匹配准确率提升了近30%,传播模型也大幅度地减少了用户名匹配的计算量,分析结果不但可以实现用户跨线上应用行为的关联融合,也对网络舆论控制和行为监管具有重要的参考价值。     

基于大数据分析的多关系社交网络舆情传播模型研究

为了真实再现舆情在多关系社交网络中的传播过程,通过对爬取的新浪微博数据进行大数据分析,从中得到社交网络中多种关系对网络舆情传播的影响,基于复杂网络理论提出了一种适用于多关系社交网络的舆情传播模型,该模型根据多种关系对舆情传播的影响界定传播模型中各状态之间的转移过程和转移概率.仿真结果表明:与传统社交网络舆情传播模型相比,该舆情传播模型可以更好地描述真实互联网环境中的舆情传播规律.     

社交网络平台增强现实系统的构建

在新浪微博平台下采用三维注册技术并结合新提出的关键词提取技术,将微博数据以虚拟标签的方式展示,在真实场景中融入虚拟元素,构建社交网络增强现实系统,让用户以新的形式看待社交网络平台,达到吸引用户的效果。     

社交网络安全问题及其解决方案

社交网络(social network,SN)具有用户数目多、数据量大、信息开放、用户关系难以管理等特点.如何实现用户隐私保护、身份认证和数据访问控制,已成为社交网络中备受关注的安全问题.本文首先介绍了社交网络的基本概念、发展现状和主要技术,并结合社交网络的特点,从社交网络数据挖掘、传统威胁、身份窃取等方面分析其存在的主要安全威胁,总结其存在的安全风险.然后,阐述了几种较为完善的社交网络安全解决方案,并对其工作原理进行了分析和比较.最后,给出了社交网络安全研究的几个热点研究课题,并讨论了社交网络安全性研究的发展方向.     

隐私关注对移动商务用户采纳行为的影响研究——基于感知风险和信任的中介效应分析

为了解感知风险和信任在隐私关注中对移动商务用户网购行为的多重中介效应,为网络购物者的采纳行为提供参考依据。通过网络问卷调查收集了420份有效问卷,通过结构方程分析感知风险和信任对隐私关注和网购行为的中介影响,发现信任对隐私关注和使用意愿无中介影响,而感知风险在隐私关注对使用愿意具有负向的中介效应。     

基于[k_1,k_2]-匿名化技术的加权社交网络最短路径隐私保护研究

近年来对社交网络隐私保护的研究,大多针对未加权重的简单社交网络,而加权社交网络可以提供更深层次的分析关系。之前关于加权社交网络隐私保护的研究集中在节点之间保持最短路径的特性。一种方法是添加随机噪声边的权重,但仍保持相同的最短路径。另一种是扰动边权重,以保证最短路径出现k种可能。然而,k-最短路径只考虑了匿名目标节点和源节点之间固定数目的最短路径。本文提出了一种[k_1,k_2]-最短路径隐私保护技术(简称[k_1,k_2]-SP),允许不同节点对之间的最短路径数不同。发布的具有[k_1,k_2]-最短路径隐私保护的网络图在源和目标节点间至少有k’条最短路径(其中k_1≦k’≦k_2)。通过在真实数据集上的大量测试研究,证明了[k_1,k_2]-SP隐私保护技术对于加权图路径隐私保护的有效性,同时基于[k_1,k_2]-SP可以无偏地恢复原图结构性质、提高权重信息的可用性。     

基于关联规则的社交网络好友推荐算法

提出了一种基于关联规则的社交网络好友推荐算法,在进行好友推荐时,考虑现实社交活动中"志趣相投"的好友常常会关注相同的人和事,网络社交中的好友也常常会关注相同的"人"和"事",将"关注"看成一条交易记录,把关注的用户看成交易项,所有交易项的集合看成交易数据库,生成二阶候选项集,并按支持数降序排序,推荐前N个用户作为好友。以新浪微博993 950条用户关注数据及552 600条微博关注数据作为实验的对象,实验结果表明,算法具有良好的性能,可实现较高的召回率与准确率。     

基于关联规则的社交网络好友推荐算法简

提出了一种基于关联规则的社交网络好友推荐算法,在进行好友推荐时,考虑现实社交活动中“志趣相投”的好友常常会关注相同的人和事,网络社交中的好友也常常会关注相同的“人”和“事”,将“关注”看成一条交易记录,把关注的用户看成交易项,所有交易项的集合看成交易数据库,生成二阶候选项集,并按支持数降序排序,推荐前犖个用户作为好友。以新浪微博993950条用户关注数据及552600条微博关注数据作为实验的对象,实验结果表明,算法具有良好的性能,可实现较高的召回率与准确率。     

基于文本内容相似性的网络用户群分析

在研究社交网络用户相关网络信息的基础上,提出一种基于微博博文或论坛帖子内容分析的用户群行为特征分析方法,通过用户所发表博文或帖子内容的相似性比较,根据用户之间博文或帖子的相似性来判断用户的相似性,进而建立用户群,提取群内用户的行为特征。实践证明此方法能够有效地分析社交网络中具有相同用户行为特征的用户群。