ناشناس سازي گراف هاي شبكه هاي تعامل اجتماعي با استفاده از گراف بازه اي

محبوبیت روز افزون شبكه های اجتماعی، یك نگرش جدید تحقیقاتی را برای استخراج اطلاعات و داده كاوی ایجاد كرده است. تحلیل گران شبكه های اجتماعی، این شبكه ها را معمولاً به صورت یك گراف نشان می دهند، در یك گراف شبكه اجتماعی، رأس ها متناظر با افراد یا موجودیت های اجتماعی دیگر هستند و یك یال یا لبه متناظر با ارتباط بین دو موجودیت می باشد. شبكه های اجتماعی اغلب شامل اطلاعات خصوصی افراد است كه دارای روابط نفوذپذیری می باشد، در این شبكه ها مهاجمان معمولاً برای شناسایی رأس ها و یادگیری روابط بین یال ها، وابسته به دانش پس زمینه هستند، به عنوان مثال درجه رئوس، همسایگان رئوس و... . اكثر برنامه های كاربردی شبكه های اجتماعی، نیازمند ارتباطات ناشناس می باشند و هویت كاربران یا رفتار آنها باید دارای ماهیت محرمانه باشد؛ بنابراین مسئله مهمی از حفظ امنیت برای داده های شبكه های اجتماعی و انواع الگوریتم های ناشناس كردن گراف ها در این شبكه ها مطرح می گردد تا داده های موجود در این شبكه ها در برابر انواع حملات مهاجمان مورد محافظت قرار گیرد. برخی از الگوریتم های حفظ امنیت براساس روش K- ناشناسی هستند و برای ناشناس سازی وابسته به مقدار K می باشند، بطوریكه با افزایش مقدار K امنیت گراف افزایش می یابد. در این تحقیق الگوریتم جدید ناشناس سازی گراف شبكه اجتماعی با استفاده از گراف بازه ای، برای حفظ امنیت داده های شبكه اجتماعی مطرح شده است، كه این گراف بازهای ناشناس شده به مقدار K وابسته نیست و بطور كامل همریخت شده است، درنتیجه مهاجم به هیچ وجه نمی تواند محل قرارگیری رأس ها و ارتباطات بین آن ها ر ا در گراف ناشناس شده، شناسایی نماید. برای بررسی توانایی حفظ امنیت گراف شبكه اجتماعی، الگوریتم پیشنهادی با الگوریتم های دیگر تحت حملات مختلف با دانش های پس زمینه مختلف مورد ارزیابی قرار گرفته است و بدلیل اینكه در روش پیشنهادی به همریختی كامل دست می یابیم این الگوریتم نتایج بهتری را ارائه می دهد. بطوركلی، ناشناس سازی گراف های شبكه اجتماعی، برای جلوگیری از نقض حریم خصوصی كاربران، اهمیت زیادی دارد.