XRay：利用差分相关性增强 Web 透明度

Mathias Lecuyer; Guillaume Ducoffe; Francis Lan; Andrei Papancea; Theofilos Petsios; Riley Spahn; Augustin Chaintreau; Roxana Geambasu

XRay：利用差分相关性增强 Web 透明度

网络与互联网体系结构 2014-10-08 v2 计算机与社会

作者: Mathias Lecuyer , Guillaume Ducoffe , Francis Lan , Andrei Papancea , Theofilos Petsios , Riley Spahn , Augustin Chaintreau , Roxana Geambasu

在 arXiv 上查看 ↗ PDF ↗

摘要

如今的 Web 服务（如 Google、Amazon 和 Facebook）利用用户数据实现多种目的，包括个性化推荐、定向广告投放和调整价格。目前，用户对其数据如何被使用知之甚少，因此无法就所选服务做出明智决策。为提高透明度，我们开发了 XRay，这是首个面向 Web 的细粒度、鲁棒且可扩展的个人数据追踪系统。XRay 能够预测任意 Web 账户中的数据（如电子邮件、搜索记录或浏览过的商品）被用于定向哪些输出（如广告、推荐商品或价格）。XRay 的核心功能与服务无关，易于为新服务实例化，并能追踪服务内部及跨服务的数据。为使预测独立于被审计服务，XRay 基于以下洞察：通过比较具有相似但不完全相同数据子集的不同账户的输出，可以通过相关性定位定向行为。我们在理论上证明，并通过对 Gmail、Amazon 和 YouTube 的实验表明，XRay 通过关联极少数量额外账户的数据，即可实现高精确率和高召回率。

关键词

个人数据追踪 Web 透明度差分相关性定向广告隐私审计用户数据使用细粒度追踪

引用

@article{arxiv.1407.2323,
  title  = {XRay: Enhancing the Web's Transparency with Differential Correlation},
  author = {Mathias Lecuyer and Guillaume Ducoffe and Francis Lan and Andrei Papancea and Theofilos Petsios and Riley Spahn and Augustin Chaintreau and Roxana Geambasu},
  journal= {arXiv preprint arXiv:1407.2323},
  year   = {2014}
}

备注

Extended version of a paper presented at the 23rd USENIX Security Symposium (USENIX Security 14)

XRay：利用差分相关性增强 Web 透明度

摘要

关键词

引用

备注

相关论文