多面隐私：如何表达在线人格而不泄露敏感属性
社会与信息网络
2019-05-27 v1 密码学与安全
摘要
近期社交网络流分析的研究表明，用户的在线人格属性（如性别、种族、政治兴趣、地理位置等）可从其撰写或参与的话题中准确推断出来。属性与偏好推断已被广泛用于提供个性化推荐、定向广告以及提升社交网络中的用户体验。然而，泄露用户的敏感属性可能对某些个体构成隐私威胁。微定向（如剑桥分析公司丑闻）、监控与歧视性广告皆是由敏感属性推断所引发的用户隐私威胁实例。本文提出多面隐私（Multifaceted privacy），一种旨在混淆用户敏感属性同时公开保留其公开人格的新型隐私模型。为实现多面隐私，我们构建了 Aegis，一个以客户端为中心的社交网络流处理系统原型，其有助于保护多面隐私，从而允许社交网络用户自由表达其在线人格而不泄露其选定的敏感属性。Aegis 允许社交网络用户控制哪些人格属性应公开、哪些应保密。为此，Aegis 持续向社交网络用户建议可发布的话题与标签，以混淆其敏感属性，进而扰乱基于内容的敏感属性推断。所建议的话题经过精心挑选，在保留用户公开人格属性的同时隐藏其私密敏感人格属性。我们的实验表明，根据原始帖子的泄露程度，添加少至 0 到 4 条混淆帖子即可成功隐藏用户指定的敏感属性，且不改变其公开人格属性。
引用
@article{arxiv.1905.09945,
title = {Multifaceted Privacy: How to Express Your Online Persona without Revealing Your Sensitive Attributes},
author = {Victor Zakhary and Ishani Gupta and Rey Tang and Amr El Abbadi},
journal= {arXiv preprint arXiv:1905.09945},
year = {2019}
}