基于统计特征的移动网络流量个人信息检测
密码学与安全
2021-12-24 v1 机器学习
摘要
随着智能手机的普及，移动应用（app）已深入人们的日常生活。尽管 app 提供了丰富功能，同时也访问了大量个人信息，从而引发隐私担忧。为理解 app 收集了哪些个人信息，许多方案被提出以检测 app 中的隐私泄露。近年来，基于流量监控的隐私泄露检测方法展现出良好性能和强可扩展性。然而它仍存在不足：一是难以检测经过混淆的个人信息泄露；二是无法发现未定义类型的隐私泄露。针对上述问题，本文提出一种基于流量监控的新的个人信息检测方法。我们设计了个人信息的统计特征来描述其在流量中的出现模式，包括局部模式和全局模式。然后基于机器学习算法训练检测器以发现具有相似模式的潜在个人信息。由于统计特征与个人信息的值和类型无关，训练后的检测器能够识别各类隐私泄露及混淆的隐私泄露。据我们所知，这是首个基于统计特征检测个人信息的工作。最后实验结果表明，所提方法优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.2112.12346,
title = {Statistical Feature-based Personal Information Detection in Mobile Network Traffic},
author = {Shuang Zhao and Shuhui Chen and Ziling Wei},
journal= {arXiv preprint arXiv:2112.12346},
year = {2021}
}