[論文レビュー] Enabling Social Applications via Decentralized Social Data Management

Nicolas Kourtellis, Jeremy Blackburn+2 more|arXiv (Cornell University)|Nov 19, 2012

Peer-to-Peer Network Technologies参考文献 51被引用数 5

ひとこと要約

本稿では、Facebook や Foursquare などのプロ prietary プラットフォームに散在するソーシャルデータの断片化を解消し、ユーザーのプライバシーを守りながらリアルタイムで社会的推論を可能にする分散型の P2P システム「Prometheus」を提示する。Prometheus は、ソーシャルネットワーク、メール、モバイルアプリなど複数のソースからの相互作用データを、分散型で重み付き・ラベル付きのマルチグラフに統合する。ユーザーが定義したアクセス制御ポリシーと社会的関係に配慮したデータマッピング戦略を活用することで、低遅延かつ高い耐共鳴攻撃性を実現し、ランダムなデータ配布に比べてセキュリティと効率性の両面で優れている。

ABSTRACT

An unprecedented information wealth produced by online social networks, further augmented by location/collocation data, is currently fragmented across different proprietary services. Combined, it can accurately represent the social world and enable novel socially-aware applications. We present Prometheus, a socially-aware peer-to-peer service that collects social information from multiple sources into a multigraph managed in a decentralized fashion on user-contributed nodes, and exposes it through an interface implementing non-trivial social inferences while complying with user-defined access policies. Simulations and experiments on PlanetLab with emulated application workloads show the system exhibits good end-to-end response time, low communication overhead and resilience to malicious attacks.

研究の動機と目的

• Facebook や Foursquare などのプロ prietary プラットフォームに散在するソーシャルデータの断片化を解消し、データの移行性とユーザーのコントロールを向上させること。
• 単なる表面的な関係に依存するのではなく、複数の相互作用ソースから得られるより豊かで洗練された社会的関係を統合することで、ソーシャルアプリケーションにおけるノイズを低減すること。
• 分散型アーキテクチャを採用し、ユーザーのプライバシーとデータ所有権を保証するとともに、リアルタイム性能を備えた社会的関係に配慮したアプリケーションを可能にすること。
• 悪意あるピア間の共鳴攻撃やグラフベースの攻撃に対して、分散型ソーシャルデータ管理の耐性を評価すること。
• リアルタイムのモバイルアプリケーション統合と大規模なシステム評価を通じて、実用的妥当性を実証すること。

提案手法

• Prometheus は、複数のプラットフォームやデバイスからのソーシャル相互作用データをもとに、有向で重み付き・ラベル付きのマルチグラフを構築し、ユーザーの社会的関係と行動を表現する。
• ピアツーピア（P2P）アーキテクチャを採用しており、ユーザーが貢献するノードが社会的グラフの一部を分散して保存・管理することで、分散性とレジリエンスを確保する。
• 社会的近接性に基づいてグラフパーティションをピアに分散配布する社会的関係に配慮したデータマッピング戦略を採用し、一般的なクエリに対するホップ数を最小限に抑える。
• ユーザーが定義したアクセス制御ポリシー（ACPs）を導入し、データの露出を制御し、不正アクセスを防止する。
• 信頼度、関心、文脈といった社会的推論は、分散マルチグラフ上でクエリを処理するAPIを介して実行される。
• 大規模シミュレーションと、ワークロードをエミュレートした PlanetLab 上でのデプロイメントを用いて評価を行い、リアルタイムのモバイルアプリ（CallCensor）を統合した。

実験結果

リサーチクエスチョン

• RQ1 分散型でユーザー主導のシステムは、複数のソースからの断片化したソーシャルデータを効果的に統合・管理しつつ、プライバシーを守ることができるか？
• RQ2 P2Pシステムにおける社会的関係に配慮したデータマッピング戦略は、ランダムマッピングに比べて、システムのパフォーマンスと攻撃に対するレジリエンスにおいてどのように異なるか？
• RQ3 ソーシャル推論要求におけるホップ数の増加が、悪意あるピアの影響に与える影響はどの程度か？
• RQ4 リアルタイムの社会的関係に配慮したアプリケーションは、分散型データ管理プラットフォームによって効率的にサポート可能か？
• RQ5 同じ社会的近隣に属するピアが共鳴攻撃を行う場合、システムの効果的性はどの程度か？

主な発見

• Android デバイスにインストールされた CallCensor モバイルアプリケーションによる評価で、Prometheus におけるソーシャル推論クエリの平均応答時間がリアルタイムのデッドラインを満たすほど短いことが実証された。
• 地理的・社会的近接性を考慮したデータマッピング戦略を採用することで、推論実行にかかるシステムのオーバーヘッドがランダム配布に比べて顕著に低減された。
• 社会的マッピングは、3ホップ要求では悪意あるピアの影響を最大で10%、4ホップ要求では5%まで低減し、レジリエンスを向上させた。
• ピアの影響は、コロージョングループのサイズよりもホップ数の増加に伴い顕著に増加する（例：4ホップ要求では90%以上）。これにより、ホップ数制限が重要なセキュリティパラメータであることが示された。
• 共鳴攻撃において、ランダムマッピングでは悪意あるピアの影響が社会的マッピングよりも高くなる。これは、社会的関係に配慮した分散戦略が本質的に攻撃に強いことを示している。
• 大規模な共鳴攻撃に対しても、システムはレジリエンスを保ち続け、社会的マッピングによりピアの影響を推論結果に与えるのを制限することで、一括攻撃の効果を低下させた。