基于生成对抗网络反馈的社交网络差分隐私保护方法

传统的社交网络差分隐私保护方法由于直接对隐私数据进行了分类，导致方法的应用效果不佳。因此，设计一种基于生成对抗网络反馈的社交网络差分隐私保护方法。通过计算差分隐私的预算参数，构建差分隐私风险量化模型，对数据隐私泄露的风险量化。在生成对抗网络反馈的作用下，将隐私数据分类过程划分为数据分类和判别过程，通过计算隐私数据的信息熵，提高数据分类的精确度，实现社交网络差分隐私的保护。和以往的社交网络差分隐私保护方法相比，本文设计的基于生成对抗网络反馈的社交网络差分隐私保护方法的执行时间平均为123.2 ms,执行时间更短，应用效果更好。