VirtualIdentity：隐私保护型用户画像
密码学与安全
2018-08-31 v1 机器学习
摘要
从用户生成内容（UGC）中构建用户画像是支持许多社交媒体公司商业模式的常见做法。现有系统要求UGC完全暴露给构建用户画像的模块。本文中我们展示，无需访问用户原始数据，也无需将用于用户画像的已训练机器学习模型——它们是公司的知识产权——暴露给社交媒体网站的用户，即可构建用户画像。我们提出VirtualIdentity，一款利用安全多方密码协议，通过训练好的支持向量机模型以隐私保护方式对用户生成文本与个人图片进行分类，从而检测用户年龄、性别与人格特征的应用。
引用
@article{arxiv.1808.10151,
title = {VirtualIdentity: Privacy-Preserving User Profiling},
author = {Sisi Wang and Wing-Sea Poon and Golnoosh Farnadi and Caleb Horst and Kebra Thompson and Michael Nickels and Rafael Dowsley and Anderson C. A. Nascimento and Martine De Cock},
journal= {arXiv preprint arXiv:1808.10151},
year = {2018}
}