[論文レビュー] Securing Social Media User Data - An Adversarial Approach

Ghazaleh Beigi, Kai Shu+2 more|arXiv (Cornell University)|May 1, 2018

Privacy-Preserving Technologies in Data被引用数 9

ひとこと要約

本論文は、異種のソーシャルメディアデータ（例：構造的特徴、テキスト的特徴、位置情報特徴）の間にある隠れた関係性を活用することで、すべてのデータ要因が個別に匿名化されている状態でもプライバシーを侵害する可能性がある、敵対的脱匿名化手法ATHDを提案する。主な発見は、現在の匿名化手法は包括的ではあるが、潜在的な異種間相関のため、高い成功率で再識別攻撃を受けやすくなることである。

ABSTRACT

Social media users generate tremendous amounts of data. To better serve users, it is required to share the user-related data among researchers, advertisers and application developers. Publishing such data would raise more concerns on user privacy. To encourage data sharing and mitigate user privacy concerns, a number of anonymization and de-anonymization algorithms have been developed to help protect privacy of social media users. In this work, we propose a new adversarial attack specialized for social media data. We further provide a principled way to assess effectiveness of anonymizing different aspects of social media data. Our work sheds light on new privacy risks in social media data due to innate heterogeneity of user-generated data which require striking balance between sharing user data and protecting user privacy.

研究の動機と目的

• 異種のソーシャルメディアデータのうち、1つの要因（例：構造的特徴やテキスト）のみを匿名化しても、ユーザーのプライバシーを保護できるかどうかを調査すること。
• 構造的、テキスト的、位置情報的特徴のすべての要因を匿名化するという、最も強力なプライバシー保護手法の有効性を評価すること。
• 独立して匿名化された状態でも脱匿名化を可能にする、異なるデータ要因間の隠れた相関関係を同定すること。
• 事前知識やシードユーザーを必要としない、新しい敵対的攻撃フレームワークの開発。
• リソース制約のあるソーシャルメディア公開環境下における、現在の匿名化手法の実世界でのプライバシーリスクを評価すること。

提案手法

• シードフリーな敵対的攻撃であるATHDを提案し、ソーシャルメディアデータの異種間相関（例：投稿内容とネットワーク構造や位置情報を関連付ける）を活用する。
• 二部グラフマッチング戦略を用いて、構造的特徴、テキスト的特徴、位置情報特徴を統合し、匿名化されたユーザーを実在のアイデンティティと照合する。
• 確率的マッチングモデルを採用し、異種のデータタイプ間の類似性を繰り返し活用することで、脱匿名化の正確性を段階的に向上させる。
• さまざまな匿名化設定下での脱匿名化成功確率を測定するための新規評価フレームワークを導入する。
• データの有用性を保ちつつ、匿名化済みネットワークと実際のネットワークとのエッジ差を最小化する最適化技術を適用する。
• 実世界のソーシャルメディアデータセットを用いて攻撃を検証し、現実的な条件下でも有効であることを示す。

実験結果

リサーチクエスチョン

• RQ1 2つの要因のうち1つだけを匿名化した場合、データはプライベートであると言えるか？
• RQ2 すべての要因（構造的およびテキスト的）が匿名化されたケース4は、ユーザーのプライバシー保護に十分か？
• RQ3 複数の異種データ要因を統合した場合でさえ、匿名化後も脱匿名化の成功率はどの程度か？
• RQ4 異なるデータ要因（例：テキストと構造）間の隠れた相関関係が、独立した匿名化の下でもプライバシー侵害を可能にする仕組みは何か？
• RQ5 事前知識がなく、ターゲットユーザーのシードも不要なシードフリーな敵対的攻撃が、高い再識別正確性を達成できるか？

主な発見

• 本研究は、ソーシャルメディアデータの1つの要因（例：ネットワーク構造やテキスト内容）のみを匿名化しても、攻撃者が未匿名化された要因を活用することでユーザーの再識別が可能であることを示している。
• 構造的、テキスト的、位置情報的特徴のすべての要因を個別に匿名化したとしても、ATHDは高い再識別成功率を達成しており、現在の匿名化手法が不十分であることを示している。
• ATHDは、シードユーザーがなく、ターゲットアイデンティティの事前知識がなくても、実世界のデータセットで80％を超える成功率でユーザーを再識別している。
• 結果から、異なるデータタイプ間の隠れた相関関係（例：投稿内容とそのユーザーのネットワーク内位置の一致）が、標準的な匿名化のプライバシー保証を著しく弱体化させていることが明らかになった。
• 本研究は、既存の匿名化手法が、ユーザー生成データの本質的な異種性を考慮していないため、残存するプライバシーリスクを生じさせていることを示している。
• 著者らは、データ要因を独立して扱うのではなく、異種間関係を考慮する新たな匿名化手法の開発が不可欠であると結論づけている。