关于你的一切：在线社交网络中面向好友推断的多模态方法
社会与信息网络
2020-03-03 v1
摘要
以往关于在线社交网络（OSN）隐私的研究大多聚焦于受限场景，即利用一种信息推断另一种信息，或仅使用用户名、头像或居住地等静态资料数据。然而如今用户的多媒体足迹已变得极为多样。现实中，攻击者会随时间利用所有可获取的信息类型来实现其目的。本文通过联合利用长期多模态信息来分析OSN隐私。我们特别关注社交关系的推断。我们考虑用户所发布内容的五种流行组成部分，即图像、标签、说明文字、地理位置和已公开的好友关系。在真实世界OSN数据集上的大规模评估表明，尽管我们的单模态攻击取得了较强的预测效果，我们的多模态攻击取得了更强的性能，其AUC（ROC曲线下面积）高于0.9。我们的结果凸显了在用户多媒体足迹日益多样的时代，需要多模态混淆方法来保护隐私。
引用
@article{arxiv.2003.00996,
title = {Everything About You: A Multimodal Approach towards Friendship Inference in Online Social Networks},
author = {Tahleen Rahman and Mario Fritz and Michael Backes and Yang Zhang},
journal= {arXiv preprint arXiv:2003.00996},
year = {2020}
}
备注
14 pages, 10 figures