SybilFuse：结合局部属性与全局结构以执行鲁棒的 Sybil 检测
密码学与安全
2018-06-08 v3 社会与信息网络
摘要
Sybil 攻击正变得日益普遍，对在线社交系统构成重大威胁；单个攻击者可以在系统中注入多个共谋身份，从而损害安全性和隐私。最近的工作利用基于社交网络的信任关系来防御 Sybil 攻击。然而，现有的防御机制基于对网络结构的过度简化假设，这些假设在真实社交网络中并不一定成立。认识到这些局限性，我们提出了 SybilFuse，一个在放宽过度简化假设时进行 Sybil 检测的纵深防御框架。SybilFuse 采用集体分类方法，首先训练局部分类器以计算节点和边的局部信任分数，然后通过加权随机游走和环状置信传播机制在全局网络结构中传播局部分数。我们在合成和真实网络拓扑上评估了我们的框架，包括一个包含 20M 节点和 265M 边的大规模带标签 Twitter 网络，并证明 SybilFuse 显著优于 SOTA 方法。特别是，SybilFuse 在排名最高的节点中实现了 98% 的 Sybil 覆盖率。
引用
@article{arxiv.1803.06772,
title = {SybilFuse: Combining Local Attributes with Global Structure to Perform Robust Sybil Detection},
author = {Peng Gao and Binghui Wang and Neil Zhenqiang Gong and Sanjeev R. Kulkarni and Kurt Thomas and Prateek Mittal},
journal= {arXiv preprint arXiv:1803.06772},
year = {2018}
}
备注
Accepted paper at IEEE CNS 2018