社交网络用户敏感属性迭代识别方法
谢小杰1,2(),梁英1,*(),董祥祥1,21. 中国科学院计算技术研究所泛在计算系统研究中心,北京 100190
2. 中国科学院大学计算机科学与技术学院,北京 100049
收稿日期:
2018-09-20出版日期:
2019-03-20发布日期:
2019-03-19通讯作者:
梁英E-mail:mailbox_of_xxj@126.com;liangy@ict.ac.cn作者简介:
谢小杰(1997—),男,硕士研究生,研究方向为数据挖掘. E-mail:基金资助:
国家重点研发计划(2018YFB1004704);国家重点研发计划(2016YFB0800403)Sensitive attribute iterative inference method for social network users
Xiao-jie XIE1,2(),Ying LIANG1,*(),Xiang-xiang DONG1,21. Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
2. School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing 100049, China
Received:
2018-09-20Online:
2019-03-20Published:
2019-03-19Contact:
Ying LIANG E-mail:mailbox_of_xxj@126.com;liangy@ict.ac.cnSupported by:
国家重点研发计划(2018YFB1004704);国家重点研发计划(2016YFB0800403)摘要/Abstract
摘要: 分析识别社交网络用户敏感信息,有利于从技术上量化隐私泄露程度,进行隐私保护。针对现有的用户属性识别方法需要对用户属性取值进行强假设的问题,结合RL迭代分类框架和扩展wvRN关系识别的方法,提出了一种社交网络用户敏感属性迭代识别方法。通过卷积神经网络提取用户文本特征进行识别,结合邻居结点迭代地进行关系识别,不仅弱化了对用户属性的假设,而且提高了可用性。实验结果表明,通过在社交网络中获取少量的标注数据,对迭代识别方法设置合理的参数值,可以获得较好的用户敏感属性识别结果。
PDF全文下载地址:
http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3043