基于 AI 的行为点击流数据重识别
密码学与安全
2022-01-26 v1 人工智能
综合经济学
经济学
摘要
基于 AI 的人脸识别，即图像中个体的重识别，已是视频监控、用户认证、好友照片标记等场景中成熟的技术。本文证明类似技术可仅基于个体行为模式成功重识别个体。与基于记录链接的去匿名化攻击不同，这些方法不需要发布数据集与已识别的辅助数据集之间存在任何数据点重叠。记录之间行为模式的单纯相似性足以将行为数据正确归属到已识别个体。此外，我们证明数据扰动不能提供保护，除非显著破坏数据效用的一大部分。这些发现呼吁在与第三方共享实际行为数据时保持审慎，因为现代隐私法规（如 GDPR）基于重识别能力界定其范围。这对营销领域也有重大影响，当处理如购物行为、点击流数据或 cookie 等潜在可重识别的数据源时。我们还展示了合成数据如何提供一种可行替代方案，其被证明对我们提出的基于 AI 的重识别攻击具有韧性。
引用
@article{arxiv.2201.10351,
title = {AI-based Re-identification of Behavioral Clickstream Data},
author = {Stefan Vamosi and Michael Platzer and Thomas Reutterer},
journal= {arXiv preprint arXiv:2201.10351},
year = {2022}
}
备注
Submitted to the EMAC Conference 2022