近日，实验室丁晓锋老师的论文被 IEEE Transactions on Knowledge and Data Engineering (TKDE) 录用，论文题目为“Differentially Private Triangle Counting in Large Graphs”。

论文从当前流行的Differential Privacy标准出发，针对三角计算在大图数据发布过程中的隐私泄露问题，设计出满足节点差分隐私的数据发布方法，在保证隐私性的同时增强数据的可用性。传统的加噪方法难以满足数据高可用性的需求，特别是添加在大规模图数据上的噪声量会使得图数据的可用性变得极差。论文提出了基于边删除的方法，将图的敏感度上限控制在一定范围，并选取更优的直方图发布方法，可以大大降低满足差分隐私所需要的噪声量，从而在发布数据的隐私性和可用性之间取得最优的平衡。

论文包含如下创新点：（1）提出通过调节节点所连接的最大三角形个数，以达到控制全局敏感度的目的，设计了满足节点差分隐私的图三角计算的数据发布策略，并设计基于DS（最小度数）、DL（最大度数）和BA（自适应）的图形预处理方案。（2）通过数学推导，给出了发布节点三角个数分布直方图的全局敏感度上限及其理论证明，很好地解释了BA的优势,并在理论上分析并指出累积直方图的噪声量会更小的原因。（3）通过在多个大图数据集上诸如Twitter、Google-plus等的大量实验，BA方案在总体上优于现有的方法。不同的数据集有不同的参数设置策略，合适的参数能够在保证隐私性的同时保证最优的发布效果。

IEEE Transactions on Knowledge and Data Engineering主要关注数据库和大数据领域的前沿研究，是该领域的权威期刊之一，属于中国计算机学会CCF A类期刊。该期刊每年出版12期，每期录用论文约10篇左右，2019-2020年该期刊的影响因子为4.935。

（通讯员 丁晓锋）