立项年份：2023年

项目成员信息：                                指导教师信息：

郭津涛-21级-数统                            罗贵珣-讲师-网络与信息安全

张皓程-21级-数统

朱晗宇-21级-数统

项目简介：
在大数据时代，大量的信息不能仅采用表格类数据进行存储，不同个体间的相互作用关系可以被抽象成图。差分隐私技术通过随机函数对用户的隐私数据进行保护，该方式采用概率不等式量化了隐私泄露问题，并且对保护后的数据进行处理对隐私的泄露不会超出隐私预算。

我们将差分隐私技术中的Laplace机制应用于图结构中，用以保护图的边隐私信息，并根据保护后的数据设计了4种算法，并给出了每个算法的理论安全和精度保证，最后查找数据库对每个算法进行实验，并于该领域当前最佳的算法进行对比。我们的算法在理论和实验上均有较大的进步。

项目创新点：

1. 提出了随机变量类型数据的差分隐私保护方式。
2. 验证了Laplace机制的保护效果优于随机响应，并且我们的算法精度也更高。
3. 将算法的适用范围从无向图扩展到有向图。

项目成果：

产出论文一篇，论文投稿至NeurIPS。

Figure 1:隐私攻击效果分析1

Figure 2:隐私攻击效果分析2

Figure 3:Facebook数据库中实验结果

Figure 4:Wiki-Vote数据库中实验结果