文章总结： 青岛大学博士生孙方圆的论文《PACS:Privacy-PreservingAttribute-DrivenCommunitySearchoverAttributedGraphs》被安全领域顶级会议NDSS2026接收。该研究针对云外包属性图社区搜索中的隐私泄露风险，提出PACS隐私保护框架，通过安全社区索引、随机化属性编码和同态加密技术，在保护图数据与用户查询隐私的同时实现高效精准搜索，其性能在真实数据集上接近毫秒级，可应用于隐私保护推荐系统、社交网络分析等场景。 综合评分： 92 文章分类： 数据安全,应用安全,网络安全,云安全

于佳教授团队|青岛大学计算机科学技术学院博士生孙方圆在安全领域国际顶级会议NDSS2026发表论文

信息网络安全杂志

2026年6月23日 11:00 上海

在小说阅读器读本章

去阅读

近日，青岛大学计算机科学技术学院博士生孙方圆撰写的论文“PACS：Privacy-Preserving Attribute-Driven Community Search over Attributed Graphs”被安全领域国际顶级会议NDSS 2026接收并发表。该论文以青岛大学为第一单位，孙方圆为第一作者，于佳教授为通信作者。NDSS与IEEE S&P、ACM CCS、USENIX Security并称为安全领域四大顶级会议，在行业内被视为最高水平的学术会议之一，同时也是‌中国计算机学会（CCF）推荐的A类国际会议。

该论文聚焦云外包属性图场景下的隐私保护社区搜索问题，创新性地提出PACS隐私保护框架。属性驱动社区搜索旨在挖掘结构凝聚且与用户查询属性高度相关的社区。然而，随着图数据规模持续增长，将搜索服务外包至云端虽成趋势，却也引发严峻隐私挑战：如何保障原始图数据安全？如何保护用户搜索不被泄露？针对上述问题，PACS框架通过构建安全社区索引，设计随机化属性编码机制将社区属性信息转化为安全索引，使云服务器能够在不获取实际属性值的情况下直接通过内积计算评估语义相似度，实现隐私保护下的精准匹配。同时，框架采用同态加密技术构建安全边表，支持云服务器安全检索目标社区的边信息，确保非目标数据的结构机密性。实验表明，该方案在真实数据集上的搜索延迟接近毫秒级，性能优于部分非隐私保护方案，实现了“隐私不损性能”的技术突破。该研究成果可广泛应用于隐私保护推荐系统、社交网络分析、个性化搜索等云外包服务场景，使云服务器能够在不泄露敏感信息的前提下，精准返回满足用户需求的目标社区，为图数据安全外包服务提供了重要的理论支撑与技术方案。

来源：青大计算机视界

信息网络安全

《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。

中文核心期刊

中国科技核心期刊

中国科学引文数据库来源期刊

CCF计算领域高质量科技期刊

我们在不断努力和完善中，期待您的关注和支持！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息网络安全杂志 《于佳教授团队|青岛大学计算机科学技术学院博士生孙方圆在安全领域国际顶级会议NDSS2026发表论文》