社交网络中轮廓匹配风险的高效量化
密码学与安全
2020-09-09 v1 社会与信息网络
摘要
在当今互联的数字世界中，匿名数据共享正变得更具挑战性，尤其对于同时拥有匿名与实名在线活动的个人而言。此类数据共享平台最典型的例子是在线社交网络（OSNs）。许多个人在不同OSNs中拥有多个档案，包括匿名与实名档案（取决于OSN的性质）。此处隐私威胁在于轮廓匹配：若攻击者将个人的匿名档案关联到其真实身份，便可获取隐私敏感信息，可能导致歧视或勒索等严重后果。因此，量化并向OSN用户展示该隐私风险的程度极为重要。现有对OSNs中轮廓建模的尝试不充分且在实时风险量化上计算低效。为此，本工作开发算法以高效建模与量化OSNs中的轮廓匹配攻击，作为迈向实时隐私风险量化的一步。对此，我们使用图对轮廓匹配问题建模，并开发了基于置信传播（BP）的算法，以比现有最优方法显著更高效且更准确的方式解决该问题。我们在三个真实数据集（含来自四个不同社交网络的数据）上评估所提框架，展示了不同OSNs中用户档案如何被高效且高概率地匹配。我们表明所提模型生成在用户对数目上具线性复杂度，显著优于现有最优方法（其复杂度为立方级）。此外，其准确率、精确率与召回率与现有最优方法相当。
引用
@article{arxiv.2009.03698,
title = {Efficient Quantification of Profile Matching Risk in Social Networks},
author = {Anisa Halimi and Erman Ayday},
journal= {arXiv preprint arXiv:2009.03698},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2008.09608