共享数据粒度：在线社交网络隐私评分的一个潜在维度
密码学与安全
2021-05-18 v1 社会与信息网络
摘要
隐私评分旨在衡量用户于在线社交网络（OSN）上的隐私侵犯风险。该领域已有工作依赖于可能有偏或情绪化的调查数据，且仅关注 Facebook 等个人用途 OSN。与已有工作不同，本论文使用从最流行的职业用途 OSN（ProOSN）LinkedIn 收集的真实世界 OSN 数据。为此，我们开发了一个广泛的爬虫来收集 5,389 名 LinkedIn 用户的全部相关档案数据，使用关系型与图数据库对这些数据建模，并定量分析了文献中所有的隐私风险评分方法。此外，我们提出了一种考虑 OSN 用户在其档案页上共享数据粒度的新评分方法。对已有与所提评分方法的广泛实验评估表明了所提方案的有效性。
引用
@article{arxiv.2105.07845,
title = {Shared data granularity: A latent dimension of privacy scoring over online social networks},
author = {Yasir Kilic},
journal= {arXiv preprint arXiv:2105.07845},
year = {2021}
}