本课题针对社会网络数据发布匿名技术进行了充分研究，对社会网络中数据发布的隐私泄露进行了分析，总结了避免社会网络中的个体和企业信息隐私泄露方法，并对不同的隐私保护模型进行了比较，并形成以下成果。 1.综合运用了定义阈值、加权下三角矩阵等新技术，建立了改进的a(d,k)-anonymity数学模型，并实现了a(d,k)-anonymity算法，构造在d个邻域中保证每个邻域中有k个匿名节点，与传统的(d,k)-anonymity算法比较，达到了抵御图的d-领域攻击和结构攻击，同时根据加权参数a的设定，保证了节点信息的实用性。 2.提出了新的个性化(α,β,l,k)-anonymity 匿名模型和算法，用来减少社会网络中隐私数据处理时的失真程度，实现匿名的定点和边高效抵御图的d领域攻击和结构攻击，同时使匿名的社会网络中的节点抵御背景知识攻击和同质攻击通过使用背景知识影响矩阵，并且解决了节点敏感属性的多样性问题，从而使定点信息在匿名的同时保证了数据的可用性和根据事先定义好的加权参数 α,β满足来个性化的需要。 3.在程序设计过程中，将运用于数据挖掘和隐私保护的聚类方法改进，针对基于图的相似代码检测方法复杂度高、对代码多样化识别能力有限等问题，提出基于结构特征聚类的方法，将复杂的图的相似度求解问题转换为简单的相似向量的聚类问题，快速提取可能相似的候选代码；满足测试覆盖分析和软件调试等程序分析技术对插桩技术的需求，提出了插桩模型，开发了一款实用的插桩工具，能够为准确高效的程序分析提供必要的运行时信息；针对程序切片方法不提供语句的可疑程度描述，而覆盖分析方法不能充分分析程序元素间的相互影响等问题，提出上下文统计分析的软件故障定位方法。 本项目的研究成果可应用于社会网络数据发布的软件系统领域。在以上研究过程中发表论文7篇，其中，EI检索2篇，中文核心期刊3篇，申请软件著作权1项。

哈尔滨学院

该项目为储备库项目资源，暂无效益分析内容。