计算机应用

作者：吕乐, 张博瀚, 荆军昌, 刘栋

单位：1.河南师范大学 计算机与信息工程学院，河南 新乡 453007；2.教育人工智能与个性化学习河南省重点实验室（河南师范大学），河南 新乡 453007；3.教学资源与教育质量评估大数据河南省工程实验室（河南师范大学），河南 新乡 453007

关键词：社区隐藏,社区检测,多目标节点,持久性,复杂网络

基金：国家自然科学基金资助项目(62072160)

社区检测尽管能深度揭示网络潜在的结构特征和节点之间的关系，但也产生了隐私泄露问题。社区隐藏方法能够有效对抗社区检测算法，从而实现网络节点信息的隐私保护。然而，传统的社区隐藏方法大多关注网络中的单一目标或单一社区的隐私保护，缺乏一种能够针对任意目标集合进行隐藏的方法。针对上述问题，提出一种持久性损失最大化的多目标节点隐藏（BPMNH）方法。该方法可以自由配置拟隐藏的目标节点集合，并根据网络规模自适应地给出持久性损失最大化方案，从而在最小的网络拓扑扰动代价下，实现不同社区的多个目标节点隐藏。在Karate等8个数据集上，从隐藏效果、网络结构和综合欺骗效果方面与基于模块度的攻击（MBA）等3种基线方法进行对比，实验结果表明BPMNH在多目节点隐藏上均优于对比方法，验证了所提方法的优越性。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期