基于不完整画像的社交传感器云中克隆身份检测
计算机与社会
2024-11-05 v1 密码学与安全
机器学习
社会与信息网络
摘要
我们提出了一种新颖的方法,用于在面临不完整的非隐私敏感画像数据时,有效检测社交传感器云服务提供商(即社交媒体用户)的克隆身份。该方法命名为ICD-IPD,首先从从给定社交媒体用户账户集合中提取具有相似用户名或显示名的账户对。随后,学习与每个账户相关联的多视图表示,并为每个账户提取两类特征。这两类特征包括画像特征和基于加权广义典型相关分析(WGCCA)的特征,其中可能包含缺失值。为应对此类缺失值的影响,一个缺失值插补器将随后对上述画像特征和基于WGCCA的特征中的缺失值进行插补。之后,该方法进一步为先前识别的每个账户对提取两类增强特征,即:1)基于相似度的特征和2)基于差异的特征。最后,将这些特征拼接并输入到轻量级梯度提升机分类器中,以检测身份克隆。我们在一个真实世界数据集上,将所提方法与现有的最先进身份克隆检测方法以及其他机器学习或深度学习模型进行了评估和比较。实验结果表明,所提方法在精确率、召回率和F1分数方面均优于最先进的方法和模型。
关键词
引用
@article{arxiv.2411.01329,
title = {Cloned Identity Detection in Social-Sensor Clouds based on Incomplete Profiles},
author = {Ahmed Alharbi and Hai Dong and Xun Yi and Prabath Abeysekara},
journal= {arXiv preprint arXiv:2411.01329},
year = {2024}
}
备注
To appear on IEEE Transactions on Services Computing