逆链路预测方法研究综述

链路预测旨在挖掘或预测隐藏的或即将出现的链路或链接,已被广泛应用到诸多实际网络系统,为用户挖掘潜在的高价值的关联关系。然而,链路预测也可被攻击者用来攻击隐藏的敏感链接,泄露用户隐私,给用户与社会带来难以估量的损失。因此,近年来,链路预测的安全性引起了广大科研工作者的关注,我们称之为逆链路预测问题。逆链路预测的核心思想为通过扰动一定数量的链路来降低链路预测方法对已隐藏的敏感链路的预测概率,从而实现一定的安全性目标。现有机制从研究视角不同可主要分为三类:基于对抗的逆链路预测模型,基于鲁棒性攻击的逆链路预测分析,基于隐私保护的逆链路预测研究。本论文系统综述目前链路预测、逆链路预测、逆链路预测防御方法的研究进展,并对未来研究热点进行了展望,为未来链路预测安全性研究提供基础。     

社交网络中的社团隐私研究综述

社团是社交网络的重要特征,社团检测技术的发展给网络用户带来隐私泄露的危险。如何保护敏感的社团信息不被泄露,保障用户与社团安全已经成为网络安全领域的研究热点。近几年,社团保护技术取得了初步进展,但针对社交网络中的社团隐私或社团安全研究进展综述较少,不利于该研究方向的长远发展。因此,主要针对社团结构隐私方面的研究进展进行综述,对最新的相关研究成果进行系统地归纳、总结、比较,并展望了未来的研究方向。     

基于键值存储的分布式时序相似性搜索方法

时序相似性搜索是时序数据分析最基本的操作之一,具有广泛的应用场景.针对现有分布式算法无法应对维度增长、扫描范围过大和相似性计算耗时的问题,提出一种面向键值存储的分布式时序相似性搜索方法KV-Search.首先对时序数据分块,并设计其键值存入键值数据库,解决了时序数据维度高且不断增长的问题;其次,基于切比雪夫距离计算其下界,并利用键值范围扫描提前过滤无效数据,减少了数据传输;最后,利用基于分块的时序表示计算距离下界,避免了更高维度真实数据的计算,加快了查询效率.使用HBase实现了KV-Search,并利用真实的大规模数据集做了大量实验.实验结果表明, KV-Search算法在效率和扩展性方面均优于基准实验.