Key points are not available for this paper at this time.
La découverte de motifs graphiques fréquents dans une base de données graphique offre des informations précieuses dans une variété d'applications. Cependant, si le jeu de données graphique contient des données sensibles d'individus telles que des graphes d'appels téléphoniques mobiles et des graphes de clics web, la publication des motifs fréquents découverts peut représenter une menace pour la vie privée des individus. La vie privée différentielle a récemment émergé comme le standard de facto pour l'analyse des données privées en raison de sa garantie de confidentialité prouvable. Dans cet article, nous proposons le premier algorithme de mining de motifs graphiques fréquents avec la vie privée différentielle.
Shen et al. (Sun,) ont étudié cette question.