[論文レビュー] Secure Friend Discovery via Privacy-Preserving and Decentralized Community Detection

Pili Hu, Sherman S. M. Chow+1 more|arXiv (Cornell University)|May 20, 2014

Complex Network Analysis Techniques参考文献 25被引用数 7

ひとこと要約

この論文は、分散型ソーシャルネットワークにおける安全なフレンド発見を目的とした、プライバシー保護型で分散型のコミュニティ検出プロトコルを提案する。コミュニティ検出を多目的最適化としてモデル化し、切り捨てられたランダムウォーク（TRW）とプライベートセットインターセクション（PSI）-スレッショルドを組み合わせることで、ノードが最小限の情報漏洩でコミュニティメンバーシップを特定可能となり、高い検出確率を達成しながら、分散アーキテクチャ下でもプライバシーを保持する。

ABSTRACT

The problem of secure friend discovery on a social network has long been proposed and studied. The requirement is that a pair of nodes can make befriending decisions with minimum information exposed to the other party. In this paper, we propose to use community detection to tackle the problem of secure friend discovery. We formulate the first privacy-preserving and decentralized community detection problem as a multi-objective optimization. We design the first protocol to solve this problem, which transforms community detection to a series of Private Set Intersection (PSI) instances using Truncated Random Walk (TRW). Preliminary theoretical results show that our protocol can uncover communities with overwhelming probability and preserve privacy. We also discuss future works, potential extensions and variations.

研究の動機と目的

• 信頼できる第三者が存在しない分散型ソーシャルネットワーク（DSN）における安全なフレンド発見の課題に対処すること。
• 2ホップネイバー照合を上回るリCALLを向上させるために、ネットワークトポロジーを活用したコミュニティ検出を実現すること。
• 最初のプライバシー保護型で分散型のコミュニティ検出問題を多目的最適化として定式化し、解決すること。
• コミュニティ発見中に最小限の情報漏洩を確保しながら、高い検出精度を維持すること。

提案手法

• 精度、プライバシー、効率性をバランスさせるために、分散型コミュニティ検出における多目的最適化として問題を定式化する。
• ノードレベルの集合を生成するために、切り捨てられたランダムウォーク（TRW）を用いる。
• コミュニティ検出を、TRW走査集合を露呈せずに比較する一連のプライベートセットインターセクション（PSI）-スレッショルドプロトコルに変換する。
• PSI-スレッショルドを用いて、交差サイズが閾値を満たすかどうかのみを明らかにし、完全な交差コンテンツの漏洩を防止する。
• 暗号的プリミティブを用いて、閾値インジケータのみが露呈されることを保証し、敵対者の推論能力を最小限に抑える。
• ノードが個々のノード属性や完全なネイバー一覧を暴露せずに、協働的にコミュニティを特定するプロトコルを設計する。

実験結果

リサーチクエスチョン

• RQ1 信頼できる第三者に依存せずに、分散型ソーシャルネットワークでコミュニティ検出をどのように実現できるか？
• RQ2 ユーザーのプライバシーを保護しながら、コミュニティ検出中に漏洩可能な最小限の情報量はどの程度か？
• RQ3 トポロジーに基づくコミュニティ検出を、分散環境下で効率的かつプライバシー保護型に実現できるか？
• RQ4 分散環境下で、検出精度、プライバシー、計算効率のトレードオフをどのように最適化できるか？
• RQ5 共起性や交差パターンに基づく推論攻撃から保護するのに十分な暗号的プリミティブは何か？

主な発見

• 理論的分析により、提案されたプロトコルは、ほとんど確実にコミュニティ検出を達成することが証明された。
• 集合の交差の閾値インジケータのみを露呈することで、プライバシーが保護され、敵対者が完全な集合を再構築したりリンクを推測したりするのを防ぐ。
• PSI-Cardinality や PSI-Set よりも情報漏洩が少ないため、PSI-スレッショルドが選択された。
• ネットワークトモグラフィーや共起分析に基づく攻撃に対して、弱い代替手法の分析を通じて、耐性があることが示された。
• プロトコルのプライバシー保証はグラフサイズに依存しており、スケーラブルなプライバシー保護型ランダムウォークシミュレーションに関するさらなる研究が求められる。
• 動的ネットワークにおけるインクリメンタルアップデートおよびコラボレーション耐性セキュリティモデルのサポートのため、今後の研究が不可欠である。