[論文レビュー] The Pin-Bang Theory: Discovering The Pinterest World

Sudip Mittal, Neha Gupta+2 more|arXiv (Cornell University)|Jul 18, 2013

Digital Games and Media参考文献 19被引用数 18

ひとこと要約

本稿は、330万件のユーザー・プロファイルと588万件のピンからなるデータを用いたPinterestの初の大規模な特徴化を提示しており、ファッション、料理、旅行といった主要なトピックの特定、外部ソースからの画像ピンの広範な利用（95.3%）、個人情報漏洩やピンのソースにおけるマルウェアによる深刻なプライバシーリスクを明らかにしている。研究では、クレジットのない画像による著作権侵害も指摘されており、URLベースのマルウェア検出によってセキュリティ脅威を特定している。

ABSTRACT

Pinterest is an image-based online social network, which was launched in the year 2010 and has gained a lot of traction, ever since. Within 3 years, Pinterest has attained 48.7 million unique users. This stupendous growth makes it interesting to study Pinterest, and gives rise to multiple questions about it's users, and content. We characterized Pinterest on the basis of large scale crawls of 3.3 million user profiles, and 58.8 million pins. In particular, we explored various attributes of users, pins, boards, pin sources, and user locations, in detail and performed topical analysis of user generated textual content. The characterization revealed most prominent topics among users and pins, top image sources, and geographical distribution of users on Pinterest. We then investigated this social network from a privacy and security standpoint, and found traces of malware in the form of pin sources. Instances of Personally Identifiable Information (PII) leakage were also discovered in the form of phone numbers, BBM (Blackberry Messenger) pins, and email addresses. Further, our analysis demonstrated how Pinterest is a potential venue for copyright infringement, by showing that almost half of the images shared on Pinterest go uncredited. To the best of our knowledge, this is the first attempt to characterize Pinterest at such a large scale.

研究の動機と目的

• Pinterest、急速に成長する画像中心のソーシャル・ネットワークにおけるユーザー行動、コンテンツ特性、ネットワーク構造を理解すること。
• Pinterestにおける個人情報漏洩や悪意のあるコンテンツといったプライバシーおよびセキュリティリスクを調査すること。
• 同プラットフォーム上でのクレジットのない画像共有による著作権侵害を分析すること。
• ユーザー生成コンテンツ、ピンのソース、ユーザーの地理的分布を特徴づけること。
• ソースURLの分析を通じて、Pinterestのマルウェアおよびスパムに対する脆弱性を評価すること。

提案手法

• 330万件のユーザー・プロファイル、588万件のピン、777,748個のボード、498,433枚の画像を対象とした大規模なウェブクローリングを実施。
• 上位5名のフォロワー数が多いユーザーから出発するBFSベースのクローリング戦略を採用し、部分的サブグラフを収集することでコミュニティバイアスを低減。
• 自然言語処理（NLP）技術を用いてユーザー生成テキストコンテンツのトピック分析を実施し、支配的テーマを同定。
• ピンのEXIFデータおよびソースURLを分析して、著作権違反およびマルウェアの兆候を特定。
• Google Safe Browsing APIを活用し、ピンのソースに埋め込まれた悪意あるURLを検出。
• ユーザー・プロファイルからの位置情報データを用いて、ユーザーの地理的分布を評価。

実験結果

リサーチクエスチョン

• RQ1 Pinterestのユーザー生成コンテンツおよびピンの説明に、どのような支配的トピックが見られるか？
• RQ2 コンテンツは、ユーザーがアップロードした画像と外部からピンされた画像のどちらに多く分布しているか？
• RQ3 Pinterestユーザーの地理的分布はどのようになっており、どの地域が最も貢献しているか？
• RQ4 個人識別情報（PII）がPinterestのプロファイルでどれほど公開されているか？
• RQ5 ピンのソースに関連するセキュリティリスク、たとえばマルウェアや著作権侵害は、どの程度顕在化しているか？

主な発見

• ユーザーおよびピンの両方において、最も一般的なトピックはデザイン、ファッション、写真、料理、旅行であった。
• Pinterest上での画像のうち、わずか4.7％がユーザー自身が直接アップロードしたものであり、残りの95.3％はGoogle Images やEtsyなどの外部ソースからピンされたものであった。
• 米国、カナダ、イギリスが合計で、すべてのPinterestユーザーの73％以上を占めていた。
• Pinterestで共有された画像の95％以上が、オリジナルの所有者にクレジットされておらず、著作者権侵害の広範な可能性を示している。
• 公開されたユーザー記述に、電話番号、BBMピン、メールアドレス、婚姻状態といった多数のPII漏洩事例が確認された。
• Google Safe Browsing APIを用いた分析で、ピンのソースにマルウェアの兆候が検出され、人気のないボードでさえも、悪意あるURLが確認された。