在线社交网络中通过无辜内容分享造成的隐私泄露
社会与信息网络
2016-07-12 v1 计算机与社会
摘要
在线社交网络的日益普及和无处不在的可用性以及全球化的互联网接入，已经影响了人们分享内容的方式。用户在这些平台上自愿披露的信息可用于各种目的，从构建用于广告的消费者模型，到推断个人的、可能具有侵犯性的信息。在本工作中，我们使用 Twitter、Instagram 和 Foursquare 数据来传达这样一个观点：用户分享的内容，尤其是跨平台聚合时，可能会披露超出最初意图的信息。我们进行了两个案例研究：首先，我们通过模拟在一组用户中找出发布匿名帖子的用户身份的场景，来进行用户去匿名化。对真实世界社交网络档案样本的实证评估表明，跨平台聚合在用户识别中带来了显著的性能提升。在第二个任务中，我们表明，基于共享的 Twitter 和 Instagram 内容，可以推断用户的物理位置访问。我们提出了一个信息量评分函数，用于估计一条共享信息相对于推断任务的相关性和新颖性。该度量使用一个主动学习框架进行了验证，该框架在每个给定时间点选择最具信息量的内容。基于大规模数据样本，我们表明通过这样做，可以获得改进的推断性能。在某些情况下，该性能甚至超过了使用用户完整时间线的性能。
引用
@article{arxiv.1607.02714,
title = {Privacy Leakage through Innocent Content Sharing in Online Social Networks},
author = {Maria Han Veiga and Carsten Eickhoff},
journal= {arXiv preprint arXiv:1607.02714},
year = {2016}
}
备注
8 pages, 10 figures, submitted to Privacy Preserving Workshop, Sigir