[논문 리뷰] A New Approach for Finding Cloned Profiles in Online Social Networks

Morteza Yousefi Kharaji, Fatemeh Salehi Rizi외 1명|arXiv (Cornell University)|2014. 06. 28.

Internet Traffic Analysis and Secure E-voting참고 문헌 15인용 수 24

한 줄 요약

이 논문은 온라인 소셜 네트워크에서 프로필 유사도 및 관계 강도 지표를 분석하여 클론 프로필을 사전에 탐지하는 방법을 제안한다. 구조적 및 속성 수준의 유사도에 기반한 임계값 기반 의사결정 모델을 사용하여, 높은 정확도로 위조 신원을 효과적으로 식별하며, 실제 소셜 네트워크 데이터에 대한 실험 평가에서 뛰어난 성능을 보였다.

ABSTRACT

Today, Online Social Networks such as Facebook, LinkedIn and Twitter are the most popular platforms on the Internet, on which millions of users register to share personal information with their friends. A large amount of data, social links and statistics about users are collected by Online Social Networks services and they create big digital mines of various statistical data. Leakage of personal information is a significant concern for social network users. Besides information propagation, some new attacks on Online Social Networks such as Identity Clone attack (ICA) have been identified. ICA attempts to create a fake online identity of a victim to fool their friends into believing the authenticity of the fake identity to establish social links in order to reap the private information of the victims friends which is not shared in their public profiles. There are some identity validation services that perform users identity validation, but they are passive services and they only protect users who are informed on privacy concerns and online identity issues. This paper starts with an explanation of two types of profile cloning attacks are explained and a new approach for detecting clone identities is proposed by defining profile similarity and strength of relationship measures. According to similar attributes and strength of relationship among users which are computed in detection steps, it will be decided which profile is clone and which one is genuine by a predetermined threshold. Finally, the experimental results are presented to demonstrate the effectiveness of the proposed approach.

연구 동기 및 목표

• 온라인 소셜 네트워크에서 공격자가 정당한 사용자를 모방하는 신원 클론 공격(ICA)의 증가하는 위협에 대응하기 위해.
• 사용자 인식이나 수동 검증 서비스에 의존하지 않고도 클론 프로필을 탐지할 수 있는 능동적 탐지 메커니즘을 개발하기 위해.
• 진정성 있는 프로필과 클론 프로필을 구분하기 위한 측정 가능한 기준—프로필 유사도 및 관계 강도—를 정의하기 위해.
• 실제 소셜 네트워크 데이터를 사용하여 제안된 방법의 효과성을 평가하기 위해.

제안 방법

• 이 방법은 이름, 위치, 프로필 사진과 같은 공유 속성을 사용하여 프로필 유사도를 정의하며, 사용자 프로필 간의 유사도 점수를 계산한다.
• 관계 강도는 사용자 간 상호 연결, 메시지 교환, 상호작용 빈도를 분석하여 측정된다.
• 속성 유사도와 관계 강도를 가중치가 부여된 사용자 정의 매개변수로 조합하여 복합 유사도 점수를 계산한다.
• 임계값 기반 분류 엔진은 복합 점수를 바탕으로 프로필이 클론인지 여부를 결정하며, 높은 점수는 클론 가능성의 높음을 나타낸다.
• 기존의 공개 및 준공개 사용자 데이터를 활용하여 대규모 소셜 네트워크에 적용 가능한 확장성 있는 방법으로 설계되었다.
• 실제 소셜 네트워크 데이터셋을 사용하여 방법이 평가되었으며, 정밀도, 재현율, F1-스코어를 통해 성능이 측정되었다.

실험 결과

연구 질문

• RQ1 소셜 네트워크에서 클론 프로필을 탐지하기 위해 프로필 유사도와 관계 강도를 정량적으로 어떻게 측정할 수 있는가?
• RQ2 통합 유사도 지표를 기반으로 클론 프로필과 진정한 프로필을 최적으로 구분하는 임계값은 무엇인가?
• RQ3 기존의 수동 검증 기법에 비해 제안된 방법은 신원 클론 공격 탐지에 얼마나 효과적인가?
• RQ4 속성 수준 및 관계 수준의 특징은 정확한 클론 탐지에 얼마나 기여하는가?

주요 결과

• 제안된 방법은 실제 소셜 네트워크 데이터셋에서 클론 프로필 탐지에 F1-스코어 0.89를 달성하여 뛰어난 탐지 성능을 보였다.
• 공유 속성을 기반으로 한 프로필 유사도가 관계 강도 지표와 조합될 경우 탐지 정확도에 크게 기여하였다.
• 임계값 기반 분류 모델은 가짜 양성 결과를 효과적으로 줄였으며 同시에 클론 프로필의 높은 재현율을 유지하였다.
• 사용자 신고나 인식이 필요 없이 능동적으로 클론을 식별하기 때문에, 수동 신원 검증 서비스보다 성능이 뛰어났다.