数据图谱
描述
用户A是一名大学生，现攻击者提取了关于用户A的两类网购记录，以此来推测用户A的身份。这两类网购记录分别是一个月内该用户购买的衣服与书籍，该用户该月购买了衣服有卫衣与毛衣，其中毛衣价格150元，且品牌已知；该用户该月购买了多本书籍，其中两本为Java Script和机器学习，还有一本是人文地理。
信息图谱
描述
用户A是一名大学生，现攻击者提取了关于用户A的两类网购记录，以此来推测用户A的身份。这两类网购记录分别是一个月内该用户购买的衣服与书籍，该用户该月购买了衣服有卫衣与毛衣，其中毛衣价格150元，且品牌已知；该用户该月购买了多本书籍，其中两本为Java Script和机器学习，还有一本是人文地理。
知识图谱
描述
该用户购买的衣服适用年龄为20-30岁，推测出其最有可能的职业（如：大学生，公务员，幼教）； 该用户购买衣服的品牌，可以推测出用户的喜好以及审美（如：成熟风格或者活泼风格） 该用户购买衣服的价格为150元，由此可以推断消费群体大概率为工薪阶层。
知识图谱
描述
该用户购买了机器学习与Java Script书籍，参考该用户之前购买书籍分类（假设计算机专业书籍出现频率较高）与计算机专业相关，推测该用户所属单位可能为大学或者企业； 该用户购买了人文地理书籍（频率较低），推测可能该用户近期的计划里有一些特殊安排（如：旅游，备考，科考工作等）
攻击者模型
描述
攻击者通过上面有关用户A的数据图谱，信息图谱与知识图谱，进行攻击推断通过推出的该用户的四个属性“审美品位，20-30岁青年，工薪阶层，计算机专业“大概率判断出用户A身份为大学生。
保护模型
描述
通过投入保护的代价驱动算法，我们计算得出“20-30岁青年”以及“计算机专业”这两个用户属性对于推断出用户身份影响因子较大，故将这两个节点采取保护措施，图中以蓝色填充作为标识。（保护算法未知，亟待解决）
