NPS-AntiClone：基于非隐私敏感用户资料数据的身份克隆检测
社会与信息网络
2021-10-01 v1 计算机与社会
摘要
社会感知是一种允许从人类和设备中众包数据的范式。这些感知数据（例如社交网络帖子）可托管于社会传感器云（即社交网络）中，并作为社会传感器云服务（SocSen服务）交付。这些服务可通过其提供者的社交网络账户来标识。攻击者通过克隆SocSen服务提供者的用户资料入侵社会传感器云，以欺骗社会传感器云用户。我们提出了一种新颖的无监督SocSen服务提供者身份克隆检测方法NPS-AntiClone，以防止此类身份欺骗造成的有害后果。该方法利用从社交网络收集的非隐私敏感用户资料数据来执行克隆身份检测。它由三个主要组件构成：1）多视图账户表示模型，2）嵌入学习模型，3）预测模型。多视图账户表示模型为给定身份形成三种不同视图，即帖子视图、网络视图和资料属性视图。嵌入学习模型使用加权广义典型相关分析（Weighted Generalized Canonical Correlation Analysis）从生成的多视图表示中学习单一嵌入。最后，NPS-AntiClone计算两个账户嵌入之间的余弦相似度，以预测这两个账户是否包含克隆账户及其受害者。我们使用真实世界数据集评估了所提出的方法。结果表明，NPS-AntiClone显著优于现有的最先进（SOTA）身份克隆检测技术和机器学习方法。
引用
@article{arxiv.2109.15179,
title = {NPS-AntiClone: Identity Cloning Detection based on Non-Privacy-Sensitive User Profile Data},
author = {Ahmed Alharbi and Hai Dong and Xun Yi and Prabath Abeysekara},
journal= {arXiv preprint arXiv:2109.15179},
year = {2021}
}
备注
11 pages. 2021 IEEE International Conference on Web Services (ICWS)