幂律二分网络在主动指纹攻击下的隐私极限

本工作考虑幂律二分网络在主动指纹攻击下的基本隐私极限。该场景自然出现在社交网络分析、无线网络中的用户移动性追踪以及取证应用等之中。我们研究一种称为基于流行度模型的随机增长网络生成模型，其中二分网络迭代生成，且在每次迭代中顶点根据其分配的流行度值吸引新边。结果表明，通过适当选择初始流行度值，节点度分布服从参数为任意 $\alpha>2$ 的幂律分布，即度为 $d$ 的节点比例正比于 $d^{-\alpha}$。我们提出一种称为增广信息阈值攻击策略（A-ITS）的主动指纹去匿名化攻击策略，该策略利用攻击者对节点度分布的了解以及信息值的概念进行去匿名化。我们推导了基于网络参数的 A-ITS 成功的充分条件。仿真表明，所提攻击显著优于最先进的攻击策略。