作者
苏州大学
- Jiu-Ru Gao
- Wei Chen
- Jia-Jie Xu
- An Liu
- Zhi-Xu Li
- Lei Zhao
昆士兰大学
- Hongzhi Yin
摘要
将大量数据图存储在云中的流行，启发了在远程云中的子图模式匹配。通常，子图模式匹配是根据子图同构定义的，是一个NP完全问题，有时过于严格，无法在某些应用中找到有用的匹配项。如何在不损害匹配结果的情况下，保护图模式匹配中数据图的隐私性是一个重要的问题。从而，我们提出了一直新颖的框架来实现云中的隐私保护子图模式匹配。为了保护数据图中的结构隐私性，我们首先开发了一种基于k-自同构模型的方法。此外，我们使用基于成本模型的标签归纳方法可以保护数据图和模式图中的标签隐私。在此生成k-自同构图的期间，可能会将大量噪声边或顶点引入原始数据图。因此，我们使用外包图（仅是k-自同构图的子集）来回答子图模式匹配。以此种方式可以极大地提高模式匹配处理的效率。在真实的数据集上的广泛实验证明了我们框架的高效率。
来源：oschina
链接：https://my.oschina.net/u/4349287/blog/4359411