随着社交网络的迅速发展,现在有很多针对社交网络用户隐私属性的推理攻击的技术,攻击者利用用户公开可见的属性和社交网络结构推理出用户缺失或不完整的属性数据。当前的研究方法主要有基于用户行为的属性推理攻击和基于用户社交朋友的属性推理攻击。当前两种方法都没有考虑用户属性与属性之间的固有关联权重,针对上述问题作出以下研究:首先,提出了基于属性权重和社交结构的属性推理攻击模型。先结合有向社交图和属性信息挖掘出属性之间的联系和权重,提出结合属性权重、社交结构和用户公开属性相结合的用户属性推理攻击模型。其次,实现了上述攻击模型的算法,在属性权重挖掘阶段实现FP-Growth算法,得出属性对之间的权重值;在属性推理攻击阶段,实现了基于概率的攻击算法,首先确定目标用户的候选属性集,针对每个候选属性进行概率计算,最终选取概率值最高的k个候选属性作为推断的结果。在每个候选属性概率计算过程中,首先根据目标用户的公开属性和候选属性(6₄)对与目标用户共享属性的用户进行划分,分为与目标用户共享不同属性值的用户集合,并对每个集合中候选属性出现概率计算加权总和,加权值分为三个,属性联系权重₁、与目标用户社交权重₂和与目标用户共享属性个数权重₃。本文的算法还适用于推测用户公开的信息是否为虚假信息的场景,同样可以计算某个特定属性出现的概率,当概率低于阈值,具体阈值的设定根据实验的结果分析得出,则该公开的属性可能为用户为了保护个人隐私而提供的虚假信息。最后,在Google+数据集上设计实验验证本文攻击算法的有效性,实验结果表明WASN属性推理算法在不同类别的属性推测上都表现了有效性,实验对比结果表明WASN总体优于其他算法。