声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：朱唯一, 张雪芹, 顾春华
单位：华东理工大学 信息科学与工程学院, 上海 200237
关键词：社交网络,信息泄露,估计器,分布式学习自动机,XGBoost
基金：国家自然科学基金资助项目（61975124）\r\n
在社交网络信息传播过程中，信息转发在用户之间广泛使用，但是存在着隐私信息在信息发布者未授权的情况下遭到泄露的问题。预测发现隐私信息泄露节点，对杜绝该类安全隐患具有重要意义。该文针对隐私信息泄露节点预测问题，提出了一种基于估计器的分布式学习自动机的信任推断（EDLATrust）算法，该算法能够推断社交网络中非直连节点之间的信任值，并减少算法收敛次数。基于信息转发时通常采用的线性传播和群传播2种典型传播模型，设计了满足信任传播模型的3种特征，采用XGBoost算法进行节点链接关系预测。该算法实现了对社交网络信息泄露节点的概率预测，利用该预测概率可以有效辅助推断信息传播过程中的信息泄露节点，从而提高了社交网络信息传播的安全性。在3个社交网络数据集上的实验表明，使用该算法能够有效地预测信息转发链当中信息的泄露节点，保护了用户的隐私安全。
来源：2022年第2期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。