Skip to main content
SUPERVISOR
Ramin Gavadi jourtani,Behnaz Omoomi
رامین جوادی جورتانی (استاد مشاور) بهناز عمومی (استاد راهنما)
 
STUDENT
Malihe Abdelah
ملیحه عبداله نجف آبادی

FACULTY - DEPARTMENT

دانشکده ریاضی
DEGREE
Master of Science (MSc)
YEAR
1393
In recent years, social networks have made significant development and are spreading rapidly. A social network can be modeled as a graph. So that, the vertices of the graph represent the people in network and the edges represent the relationships between entities in the social network. This modeling be caused to the graph theory has been widely considered in the analysis of social networks. Social network analysis makes collect a lot of data sources, including individuals and their relationships in the network that this information is a valuable resource for researchers in various fields, including social psychology, sociology, statistics, geography, economics, market research and so on. In the other hand the publication of these data sources can be a threat to users' privacy on a social network. So before the release of data for social network research purposes, require that data be anonymous. Anonymization is a very important process in order to ensure to thise issue that the social network data publication cause not violate users' privacy. Anonymous methods are divided into two major groups of graph modification approaches and the network graph clustering methods. In this thesis to study the preserving the privacy on social networks by clustering based anonymization.
در سال‌های اخیر شبکه‌های اجتماعی توسع? قابل توجهی داشته‌اند و به سرعت در حال انتشار هستند. یک شبک? اجتماعی را می توان به صورت یک گراف مدل‌سازی کرد. به این صورت که رئوس گراف نشان دهند? افراد در شبکه و یال‌ها مشخص کنند? روابط بین اشخاص در شبک? اجتماعی هستند. این نظیرسازی باعث شده است که نظری? گراف در تجزیه و تحلیل شبکه‌های اجتماعی به طور گسترده مورد توجه قرار گیرد. آنالیز شبکه‌های اجتماعی باعث جمع‌آوری منابع اطلاعاتی زیادی از داده‌ها شامل افراد و روابط بین آنها در شبکه می‌شود که این اطلاعات منابع ارزشمندی برای محققان در زمینه‌های مختلف، از جمله روانشناسی اجتماعی، جامعه شناسی، آمار، جغرافیا، اقتصاد، تحقیقات بازار و ... هستند. از طرف دیگر انتشار این منابع داده‌ها می‌تواند یک تهدید برای حفظ حریم خصوصی کاربران در یک شبک? اجتماعی باشد. بنابراین قبل از انتشار داده‌های شبک? اجتماعی برای اهداف تحقیقاتی، نیاز است که داده‌ها گمنام شوند. گمنام‌سازی یک فرآیند بسیار مهم به منظور اطمینان‌بخشی به این موضوع است که انتشار داده‌های شبک? اجتماعی باعث نقض حریم خصوصی کاربران نشود. روش‌های گمنام‌سازی به دودست? اصلی روش های تغییرگراف شبکه و روش‌های خوشه‌بندی تقسیم می‌شوند. در این پایان‌نامه به مطالع? حفظ حریم خصوص? شبکه با استفاده از گمنام‌سازی بر اساس خوشه‌بندی گراف شبکه می‌پردازیم.

ارتقاء امنیت وب با وف بومی