《表1 标签分组表：面向子图匹配的社会网络隐私保护方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向子图匹配的社会网络隐私保护方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

随着社会网络的快速发展，社会网络含有更加丰富的信息，例如Facebook、Twitter、微博等。社会网络中含有用户的隐私信息，在云平台内进行子图匹配[1-4]时保护隐私信息是非常重要的。K-自同构算法[5]是传统的社会网络隐私保护算法，这种方法在处理大规模社会网络图时，处理效率会大幅度下降[6]而且不能保证较高的数据可用性。传统的K-自同构算法在原始图中添加噪声边，使原始图中的每个节点都有至少有k-1个对称节点。如图1是社会网络原始图，在原始图的基础上添加3条噪声边，同时根据表1对原始图的标签进行标签分组泛化[7]后使原始图转换成2-自同构图，如图2。