지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박석
- 발행연도
- 2020
- 저작권
- 서강대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
무선 인터넷과 스마트폰의 발전과 함께, 온라인 상에서 사람들과의 관계를 맺는 소셜 네트워크가 발전되고 있다. 소셜 네트워크는 정점과 간선을 이용해 그래프 구조로 사용자들의 관계를 나타내고 있다. 우리 생활에서 소셜 네트워크는 다양한 종류가 있는데, 친구 관계 네트워크, 이성 교재 네트워크, 전화 통화망, 사용자 평점 네트워크 등이 있다.
이에 따라 사용자 사이의 관계를 분석하는 데이터 마이닝은 여러 분야에서 사용되고 있다. 예를 들어 사용자가 어떤 다른 사용자와 친구 관계인지, 사용자가 어떤 인물을 팔로우하고 있는지 등의 정보를 수집하고 그래프로 만들어 사용자의 영향력 점수를 찾거나, 사용자에게 적합한 컨텐츠를 추천해주기도 한다.
소셜 네트워크 데이터를 수집하는 과정에서 사용자에게 민감한 개인정보를 수집해야 한다. 이를 지키기 위해서 기존의 연구들에서는 가상 그래프를 생성하거나 익명화하여 배포하는 기법들을 제시하였다. 하지만 기존의 연구는 그래프의 특성을 고려하지 못했다. 소셜 네트워크는 크게 동류성 네트워크와 비동류성 네트워크로 나누어질 수 있다. 기존의 연구들은 동류성 네트워크를 대상으로만 진행되었기 때문에 비동류성 네트워크에서는 적합하지 않다. 이를 보완하기 위해서 본 논문에서는 사용자 레벨에서 보호 기법을 적용하고 노이즈가 섞인 데이터를 통해서 가상 그래프를 생성하는 기법을 소개하고자 한다.
마지막으로, 실제 네트워크 데이터를 가지고 제안 기법이 기존의 차분 프라이버시를 적용한 기법들도 성능이 향상됨을 보인다.
이에 따라 사용자 사이의 관계를 분석하는 데이터 마이닝은 여러 분야에서 사용되고 있다. 예를 들어 사용자가 어떤 다른 사용자와 친구 관계인지, 사용자가 어떤 인물을 팔로우하고 있는지 등의 정보를 수집하고 그래프로 만들어 사용자의 영향력 점수를 찾거나, 사용자에게 적합한 컨텐츠를 추천해주기도 한다.
소셜 네트워크 데이터를 수집하는 과정에서 사용자에게 민감한 개인정보를 수집해야 한다. 이를 지키기 위해서 기존의 연구들에서는 가상 그래프를 생성하거나 익명화하여 배포하는 기법들을 제시하였다. 하지만 기존의 연구는 그래프의 특성을 고려하지 못했다. 소셜 네트워크는 크게 동류성 네트워크와 비동류성 네트워크로 나누어질 수 있다. 기존의 연구들은 동류성 네트워크를 대상으로만 진행되었기 때문에 비동류성 네트워크에서는 적합하지 않다. 이를 보완하기 위해서 본 논문에서는 사용자 레벨에서 보호 기법을 적용하고 노이즈가 섞인 데이터를 통해서 가상 그래프를 생성하는 기법을 소개하고자 한다.
마지막으로, 실제 네트워크 데이터를 가지고 제안 기법이 기존의 차분 프라이버시를 적용한 기법들도 성능이 향상됨을 보인다.
목차
차 례 IV그림 차례 VI표 차례 VIIIAbstract IX요 약 XI1. 서 론 11.1. 연구의 배경 및 동기 11.2. 논문의 초점 31.3. 논문의 구성 42. 관련 연구 52.1. 그래프의 성격 52.2. 그래프 생성 기법 62.2.1. DK series 62.2.2. ER graph model 82.2.3. Chung-Lu model 82.2.4. BTER model 92.2.5. 그래프 생성 기법의 문제점 102.3. 차분 프라이버시 112.3.1. 로컬 차분 프라이버시란 112.3.2. 이웃 데이터 베이스 122.3.3. 차분 프라이버시의 정의 및 성질 132.3.4. 라플라스 메커니즘 152.4. 차분 프라이버시를 고려한 그래프 생성 기법 172.4.1. 그래프 업데이트 172.4.2. DK series 182.4.3. DGG 192.4.4. LDPGEN 203. 그룹화 기법을 통한 그래프 생성 기법 213.1. 기존 기법의 한계 213.2. 문제 정의 243.2.1. 가상 그래프 배포의 프라이버시 문제 243.2.2. 기호 및 용어 정의와 가정 253.2.3. RNL 273.2.4. 제안 기법의 개요 293.3. 1단계 간선 정보 수집 303.4. 2단계 연결 관계 정보 수집 및 그래프 생성 323.4.1. 허브 정점들의 그룹화 323.4.2. 간선 벡터 수집 333.4.3. 그래프 생성 364. 실험 및 분석 384.1. 실험 구성 384.1.1. 실험 환경 384.1.2. 실험 데이터 384.1.3. 평가 방법 404.2. 비교 실험 434.2.1. 프라이버시 예산의 비율에 따른 성능 비교 434.2.2. 허브 그룹의 수와 허브 사용자 수에 따른 성능 비교 454.2.3. 프라이버시 예산에 따른 성능 비교 505. 결론 및 추후 연구 53참고문헌 54
최근 본 자료
댓글(0)
0