مدلي براي انتشار داده‌هاي شبكه‌هاي اجتماعي برخط با حفظ حريم خصوصي

A Model to Publish Online Social Networks Data with Privacy Preserving

امروزه رشد استفاده از شبكه­ هاي اجتماعي در ميان اقشار مختلف جامعه جهاني، به‌صورت غيرقابل‌انكاري رو به فزوني افزايش يافته است. پايگاه داده شبكه­ هاي اجتماعي؛ شامل منابع غني و با ارزشي هستند كه انتشار يا تحليل آن‌ها جهت براي مقاصد بازاريابي، تبليغاتي، امنيت ملي، سلامت و ... مي­ تواند براي محققان مؤسسات دولتي و خصوصي سودمند واقع گرددباشد؛ اما رعايت حريم خصوصي موجوديت ­هايي كه اطلاعات آن‌ها در اختيار تحليلگران داده‌كاوي قرار مي­ گيرد، به‌عنوان يك پروتكل حقوقي ضروري است. در اين مقاله، از طريق روش­ شناسي كيفي فراتركيب، كليه ابعاد، شاخص ­ها و كدهاي مربوطه استخراج و سپس ميزان اهميت و اولويت هر يك از عوامل، تعيين شده و متعاقباً مدل بهبوديافته گمنامي، به‌وسيله الگوريتم بهينه­ سازي كرم شب­تاب و خوشه ­بندي فازي، ارائه گرديده شده است. نتايج شبيه ­سازي و ارزيابي­ هاي مدل پيشنهادي بر روي داده ­هاي چهار شبكه اجتماعي فيس‌بوك، يوتيوب، توييتر و گوگل پلاس، حاكي از حفظ حريم خصوصي داده­ ها با كمترين نسبت انحراف و بيشترين سودمندي است.

Nowadays the growth in the use of social networks among different classes of world community is increasingly undeniable. Social networks database include Rich and valuable resources whose release and analysis with the purpose of marketing, publicity, National Security, Health and etc. can benefit researchers of public and private institutions. But respect the privacy of the entities whose information is available to data miner analysis is essential as a legal protocol. In this Paper, through qualitative methodology Meta synthesis, all related dimensions, indicators and codes were identified and then the importance and priority of each of the factors was determined. Subsequently, the improved model of anonymity was presented by an optimizing firefly algorithm and fuzzy clustering. The result of simulation and assessment of the proposed model on the data of four social networks such as Facebook, YouTube, Twitter and Google+ depicts that privacy preserving of data with the lowest distortion ratio and the more usefulness of data.