利用重叠社区结构对社交网络去匿名化
社会与信息网络
2017-12-13 v1
摘要
社交网络的出现对用户隐私构成严重威胁，因为攻击者可通过将用户映射到相关的跨域网络来去匿名化其身份。在没有真实映射的情况下，已有文献提出了各种代价函数以期衡量映射质量。然而，这些代价函数通常缺乏理论依据，其最小化器在算法上亦未知。我们在由重叠社区参数化的更实际社交网络模型下共同解决上述担忧，该模型被先前研究忽视，但可作为去匿名化的侧信息。针对攻击者无法获得真实映射的情况，借助最小均方误差（MMSE），我们的首要贡献是一个有充分依据的代价函数，可最小化所有可能真实映射上的期望错配用户数。在证明最小化MMSE为NP难的同时，我们将其有效转化为加权边匹配问题（WEMP），理论上表明其解决了最优性与复杂性之间的张力：（i）在重叠强度较高所促成的温和条件下，WEMP在大规模网络中渐近返回可忽略的映射误差；（ii）WEMP可通过基于凹凸性的去匿名化算法（CBDA）在算法上刻画，完美求得WEMP的最优解。大量实验进一步证实了CBDA在重叠社区下的有效性：在真实的密集重叠跨域共同作者网络中平均可重新识别90%的用户，且相较于非重叠情形重新识别率提升约70%。
引用
@article{arxiv.1712.04282,
title = {De-anonymizing Social Networks with Overlapping Community Structure},
author = {Luoyi Fu and Xinyu Wu and Zhongzhao Hu and Xinzhe Fu and Xinbing Wang},
journal= {arXiv preprint arXiv:1712.04282},
year = {2017}
}
备注
The 9-page version of this paper was accepted by IEEE International Conference on Computer Communication (INFOCOM), Honolulu, USA, Apr. 15th-19th, 2018. (Acceptance Rate 19.2%, 309/1,606)