.
خانه ژورنال دانشجویان ایران (Iranian Students Article House)
.
عنوان فارسی مقاله : درآوردن شبکه های اجتماعی دارای مقیاس آزاد از حالت بی نامی با استفاده از روش قسمت بندی طیفی
.
English Article Title: De-anonymizing Scale-Free Social Networks by Using Spectrum Partitioning Method
Year: 2019
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: doi.org/10.1016/j.procs.2019.01.262

Keywords:
#Engineering
#social_networks
#de_anonymization
#privacy_preserving
#graph_partition
#Computer_Science
#Physical_Sciences_and_Engineering
#علوم_پایه_و_فنی_مهندسی
#مقاله_کامپیوتر
#مقاله_مهندسی
#مقاله_مهندسی_کامپیوتر
#شبکه_های_اجتماعی
#درآوردن_از_حالت_بی_نامی
#حفظ_محرمانگی
#قسمت_بندی_گراف

چکیده مقاله:
داده های شبکه های اجتماعی به صورت گسترده ای با بخشهای ثالث به اشتراک گذاشته می شوند، ارسال می شوند و منتشر می شوند که منجر به ایجاد خطر افشای اطلاعات محرمانه می شود. اگرچه تامین کننده شبکه همیشه قبل از انتشار آن نگران داده ها می باشد اما حمله کننده ها می توانند هنوزهم داده های بی نام را برطبق اطلاعات کمکی جمع آوری شده بازیابی کنند. ما در این مقاله مشکل از حالت بی نام درآوردن را به مشکل هماهنگ سازی گره در گراف تبدیل می کنیم و روش درآوردن از حالت بی نامی می تواند تعداد گره هایی که باید در هر بار هماهنگ سازی شوند را کاهش می دهد. به علاوه، ما از روش قسمت بندی طیفی برای تقسیم بندی گراف اجتماعی به زیرگراف های گسسته استفاده می کنیم و این روش می تواند به صورت موثری برای شبکه های اجتماعی دارای مقیاس بزرگ به کار برده شود و به صورت موازی با استفاده از چندین پردازشگر اجرا شود. درطی تحلیل تاثیر توزیع قانون توانی روی درآوردن از حالت بی نامی، ما از روی قواعد ترکیبی اطلاعات ساختاری و فردی کاربران را بررسی می کنیم که این کار اطلاعات مشخصه کاربر را عملی تر می سازد.
کلیدواژه ها: شبکه های اجتماعی، درآوردن از حالت بی نامی، حفظ محرمانگی، قسمت بندی گراف

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2RHAZfF