[논문 리뷰] Friend or Foe? Fake Profile Identification in Online Social Networks

Michael Fire, Dima Kagan외 2명|arXiv (Cornell University)|2013. 03. 15.

Internet Traffic Analysis and Secure E-voting참고 문헌 7인용 수 5

한 줄 요약

이 논문은 사용자 네트워크 특성에 기반한 머신러닝을 사용해 가짜 프로필을 식별하는 소셜 프라이버시 프로텍터(SPP) 소프트웨어를 제시한다. SPP는 파폭 애드온과 페이스북 앱으로 구성되어 있으며, 의심스러운 친구의 개인 데이터 접근을 제한하고, 제3자 앱을 통한 노출을 줄이며, 실제 페이스북 데이터셋을 바탕으로 Rotation-Forest 분류기를 사용해 높은 AUC(최대 0.96)를 달성한다. 이는 소셜 네트워크의 프라이버시와 보안 향상 잠재력이 높음을 보여준다.

ABSTRACT

The amount of personal information unwillingly exposed by users on online social networks is staggering, as shown in recent research. Moreover, recent reports indicate that these networks are infested with tens of millions of fake users profiles, which may jeopardize the users' security and privacy. To identify fake users in such networks and to improve users' security and privacy, we developed the Social Privacy Protector software for Facebook. This software contains three protection layers, which improve user privacy by implementing different methods. The software first identifies a user's friends who might pose a threat and then restricts this "friend's" exposure to the user's personal information. The second layer is an expansion of Facebook's basic privacy settings based on different types of social network usage profiles. The third layer alerts users about the number of installed applications on their Facebook profile, which have access to their private information. An initial version of the Social Privacy Protection software received high media coverage, and more than 3,000 users from more than twenty countries have installed the software, out of which 527 used the software to restrict more than nine thousand friends. In addition, we estimate that more than a hundred users accepted the software's recommendations and removed at least 1,792 Facebook applications from their profiles. By analyzing the unique dataset obtained by the software in combination with machine learning techniques, we developed classifiers, which are able to predict which Facebook profiles have high probabilities of being fake and therefore, threaten the user's well-being. Moreover, in this study, we present statistics on users' privacy settings and statistics of the number of applications installed on Facebook profiles...

연구 동기 및 목표

• 페이스북에서 증가하는 가짜 프로필과 제3자 앱 오용 문제로 인한 사용자 프라이버시와 보안 위협을 해결하기 위해.
• 의심스러운 친구와 설치된 애플리케이션으로부터 위험을 탐지하고 완화할 수 있도록 사용자를 지원하는 실용적인 도구를 개발하기 위해.
• 페이스북에서의 프라이버시 설정과 앱 설치에 대한 실세계 사용자 데이터를 수집하여 체계적 노출 위험을 드러내기 위해.
• 네트워크 기반 특성과 사용자 행동 패턴을 활용해 가짜 프로필 탐지용 머신러닝 분류기를 훈련하고 평가하기 위해.
• 페이스북 관리자와 사용자 모두에게 악성 프로필과 앱으로부터의 노출을 줄일 수 있는 실행 가능한 통찰력과 도구를 제공하기 위해.

제안 방법

• 일체의 프라이버시 설정 조정, 앱 노출 경고, 가짜 친구 탐지의 세 가지 보안 레이어를 제공하는 파폭 애드온과 페이스북 앱(SPP)을 개발하였다.
• 앱 설치 정보를 1,676명의 사용자로부터, 프라이버시 설정 정보를 67명의 사용자로부터 수집하여 분석을 위한 고유한 데이터셋을 구축하였다.
• 프로필 연령, 친구 수, 상호 친구 수, 링크 기반 특성 등을 포함한 15개의 특징을 사용자 프로필과 친구 네트워크에서 추출하였다.
• 감독 학습 기반 머신러닝 분류기인 로지스틱 회귀, 랜덤 포레스트, Rotation-Forest를 사용하여 세 가지 데이터셋(가짜 프로필, 모든 링크, 병합 데이터셋)에 대해 훈련하였다.
• 10겹 교차검증을 사용하고 AUC, k 이내 정밀도, 거짓 양성 비율을 평가 지표로 삼아 분류기 성능을 비교하였다.
• 희귀한 가짜 프로필 탐지 성능 향상을 위해 클래스 불균형 문제를 해결하기 위해 오버샘플링 기법을 적용하였다.

실험 결과

연구 질문

• RQ1 페이스북에서 네트워크 기반 특징은 실제 프로필과 가짜 프로필을 구분하는 데 얼마나 효과적인가?
• RQ2 거짓 양성 비율을 최소화하면서도 가짜 프로필을 탐지하는 데 가장 우수한 성능을 보이는 머신러닝 분류기는 무엇인가?
• RQ3 실세계에서 제3자 앱 설치와 프라이버시 설정 오설정의 실제 발생 빈도는 어느 정도인가?
• RQ4 SPP와 같은 사용자 인지 도구는 설치된 앱 수를 줄이고, 의심스러운 친구의 접근을 제한하는 데 어느 정도 기여하는가?
• RQ5 SPP 시스템은 대규모로 가짜 프로필을 식별하고 완화하는 데 페이스북 관리자에게 도움이 될 수 있는가?

주요 결과

• Rotation-Forest 분류기가 모든 세 가지 데이터셋에서 가장 높은 AUC(0.96)와 가장 낮은 거짓 양성 비율을 기록하여 로지스틱 회귀 및 랜덤 포레스트를 압도적으로 앞섰다.
• 조사 대상 1,676명 중 30.31%가 최소 40개 이상의 페이스북 애플리케이션을 설치한 것으로 나타나 평균 매주 1.91개의 신규 앱 설치가 이루어져 광범위한 노출 위험이 있음을 시사한다.
• 111명의 SPP 사용자가 경고를 받은 후 최소 1,792개의 애플리케이션을 제거하여, 인지 도구가 앱 노출을 효과적으로 줄일 수 있음을 보여준다.
• 527명의 사용자가 SPP의 친구 제한 기능을 통해 9,000명 이상의 친구의 접근을 제한하여 실제로 사용자가 프라이버시 보호에 적극적으로 참여하고 있음을 입증한다.
• SPP 소프트웨어는 20개 이상의 국가에서 3,000명 이상의 사용자로부터 데이터를 수집하여 실세계 배포와 사용자 관심을 검증하였다.
• 본 연구에서는 대부분의 사용자가 친구나 심지어 공개 범위로 개인 정보를 노출하고 있음을 드러내어 체계적인 프라이버시 설정 오류가 존재함을 시사한다.