去中心化POI推荐中的物理轨迹推断攻击与防御
信息检索
2024-01-29 v1
摘要
作为基于位置社交网络（LBSN）中不可或缺的个性化服务，兴趣点（POI）推荐旨在帮助个人发现有吸引力和引人入胜的地点。然而，准确的推荐能力依赖于强大的服务器收集大量用户的历史签到数据，这带来了严重的隐私泄露风险。尽管几种用于POI推荐的协作学习（CL）框架增强了推荐的弹性，并允许用户将个人数据保留在设备上，但它们仍然共享个人知识以提高推荐性能，从而为潜在攻击者留下了漏洞。鉴于此，我们设计了一种新的物理轨迹推断攻击（PTIA）来暴露用户的历史轨迹。具体来说，对于每个用户，我们通过分析来自目标POI及其相关POI的聚合信息来识别交互过的POI集合。我们在两个真实世界数据集上，针对两种类型的去中心化POI推荐CL框架，评估了PTIA的有效性。实证结果表明，PTIA对用户的历史轨迹构成了重大威胁。此外，传统的用于CL框架的隐私保护方法——本地差分隐私（LDP），也被证明对PTIA无效。有鉴于此，我们提出了一种基于对抗博弈的新型防御机制（AGD）来对抗PTIA，以消除敏感POI及其在相关POI中的信息。经过大量实验，AGD已被证明是精确且实用的，对推荐性能的影响极小。
引用
@article{arxiv.2401.14583,
title = {Physical Trajectory Inference Attack and Defense in Decentralized POI Recommendation},
author = {Jing Long and Tong Chen and Guanhua Ye and Kai Zheng and Nguyen Quoc Viet Hung and Hongzhi Yin},
journal= {arXiv preprint arXiv:2401.14583},
year = {2024}
}