[論文レビュー] Trilateral Large-Scale OSN Account Linkability Study

Mishari Almishari, Ekin Oğuz+1 more|arXiv (Cornell University)|Oct 3, 2015

Authorship Attribution and Profiling参考文献 16被引用数 3

ひとこと要約

本稿では、レビュー投稿（Yelp）、マイクロブログ（Twitter）、写真共有（Flickr）という3つの異種なOSN（オペレーティングシステムネットワーク）間で、書きぶり分析を用いてユーザーアカウントを関連付ける、三重のスケールのスタイリスティック研究を提示している。ミッションやコンテンツタイプが異なるにもかかわらず、著者らはマルチレベルリンクアビリティフレームワーク（MLLF）を用いて高いリンクアビリティ精度を達成した。これは、プライベートなデータにアクセスできない状況下でも、公開テキストデータのみでさえも、OSN間のプライバシーが著しく脅かされていることを示している。

ABSTRACT

In the last decade, Online Social Networks (OSNs) have taken the world by storm. They range from superficial to professional, from focused to general-purpose, and, from free-form to highly structured. Numerous people have multiple accounts within the same OSN and even more people have an account on more than one OSN. Since all OSNs involve some amount of user input, often in written form, it is natural to consider whether multiple incarnations of the same person in various OSNs can be effectively correlated or linked. One intuitive means of linking accounts is by using stylometric analysis. This paper reports on (what we believe to be) the first trilateral large-scale stylometric OSN linkability study. Its outcome has important implications for OSN privacy. The study is trilateral since it involves three OSNs with very different missions: (1) Yelp, known primarily for its user-contributed reviews of various venues, e.g, dining and entertainment, (2) Twitter, popular for its pithy general-purpose micro-blogging style, and (3) Flickr, used exclusively for posting and labeling (describing) photographs. As our somewhat surprising results indicate, stylometric linkability of accounts across these heterogeneous OSNs is both viable and quite effective. The main take-away of this work is that, despite OSN heterogeneity, it is very challenging for one person to maintain privacy across multiple active accounts on different OSNs.

研究の動機と目的

• Yelp、Twitter、Flickrという3つの異種OSN間で、コンテンツタイプやミッションの違いがあるにもかかわらず、ユーザーを信頼性高く関連付けることができるかを調査すること。
• 公開テキストデータのみを用いても動作する、スケーラブルで高精度なスタイリスティクスベースのアカウントリンクアビリティモデルを構築すること。
• ユーザーがメタデータやプライベートメッセージを無効化していると仮定しても、複数のOSNにアカウントを保有することによるプライバシーへの影響を評価すること。
• リンクアビリティをより大きなアカウントセットに拡張可能かどうかを評価し、特徴量の順序付けや追加のスタイリスティクス特徴量の統合を検討すること。

提案手法

• 本研究では、OSN間でスタイリスティクス特徴量を用いて候補マッチを段階的に絞り込むマルチレベルリンクアビリティフレームワーク（MLLF）を採用している。
• Yelp、Twitter、Flickrのユーザー生成テキストから、語の頻度、文の長さ、助詞の使用頻度といったスタイリスティクス特徴量が抽出された。
• MLLFフレームワークは階層的アプローチを採用し、各段階で異なる特徴量を適用することで、段階的に候補を絞り込み、順位付けを行う。
• 本手法は、位置情報やプライベートメッセージなどの非公開データにアクセスできないものと仮定しており、敵の能力の下限を評価するために、公開テキストのみに依存している。
• 弱い特徴量が初期に選ばれるのを避けるために、複数回の実行で特徴量の順序をランダム化し、10回の実行結果を平均化している。
• フレームワークはアカウント数に比例して線形にスケーリング可能であり、大規模データセットへの適用が可能である。

実験結果

リサーチクエスチョン

• RQ1 Yelp、Twitter、Flickrという3つの異種OSN間で、コンテンツタイプやミッションの違いがあるにもかかわらず、ユーザーアカウントを効果的に関連付けることができるか？
• RQ2 メタデータやプライベートメッセージにアクセスできない状況下で、公開テキストデータのみを用いたスタイリスティクス分析が、どれほど正確にアカウントを関連付けることができるか？
• RQ3 マルチレベルリンクアビリティフレームワーク（MLLF）は、100～100,000件のユーザーアカウントに対して、高いスケーラビリティと正確性を達成できるか？
• RQ4 特徴量の順序付けがリンクアビリティ性能に与える影響は何か？また、マッチング精度を向上させるためのヒューリスティクスを開発可能か？
• RQ5 ハッシュタグやタグといった追加の特徴量、あるいは同様のOSN（例：FlickrとInstagram）のプロフィール統合によって、リンクアビリティはどの程度向上するか？

主な発見

• スタイリスティクス分析により、コンテンツタイプやミッションの違いがあるにもかかわらず、Yelp、Twitter、Flickrという3つの異種プラットフォーム間で、非常に高い正確性でアカウントリンクアビリティが達成された。
• マルチレベルリンクアビリティフレームワーク（MLLF）は、公開テキストデータのみに限定されても高い正確性を達成しており、OSN間でプライバシーを分離することで保護できるという考え方は誤りであることを示している。
• 位置情報やプライベートメッセージにアクセスできない状況下でもリンクアビリティが安定しており、公開テキストのみでさえも強力なリンク攻撃に十分であることを示している。
• MLLFフレームワークはアカウント数に比例して線形にスケーリングされ、1つの未知アカウントを100万件の既知アカウントにリンクするのに約2.5分で実行可能であると推定されている。
• 10回の実行で特徴量の順序をランダム化することで信頼性が向上し、平均化された結果は非常に高い正確性を示しており、特徴量選択バイアスに対して頑健であることが示された。
• 将来的には、Writeprintsスイートからの追加スタイリスティクス特徴量の統合や、同種OSN（例：TwitterとYelp）のプロフィール統合により、リンクアビリティ性能をさらに向上できる可能性がある。