[논문 리뷰] Securing Social Media User Data - An Adversarial Approach

Ghazaleh Beigi, Kai Shu외 2명|arXiv (Cornell University)|2018. 05. 01.

Privacy-Preserving Technologies in Data인용 수 9

한 줄 요약

이 논문은 이질적인 소셜 미디어 데이터(예: 구조적, 텍스처적, 위치 특성 등) 간의 은폐된 관계를 악용하여, 모든 데이터 요소가 별도로 익명화된 상태에서도 프라이버시를 침해할 수 있는 악성 익명화 해제 기법 ATHD를 제안한다. 주요 발견은 현재의 익명화 방식이 종합적임에도 불구하고 잠재적인 다각도 간 상관관계로 인해 여전히 높은 성공률로 재식별 공격에 노출되어 있음을 보여준다.

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.

연구 동기 및 목표

• 이질적인 소셜 미디어 데이터의 한 요소(예: 구조 또는 텍스트)만 익명화하는 것이 사용자 프라이버시를 보호하는 데 충분한지 조사하는 것.
• 구조적, 텍스처적, 위치적 요소를 모두 익명화하는 것이 가장 강력한 프라이버시 보호 기법인지 평가하는 것.
• 독립적인 익명화에도 불구하고 익명화 해제를 가능하게 하는 서로 다른 데이터 요소 간의 숨겨진 상관관계를 특정하는 것.
• 기본 사용자나 광범위한 배경 지식 없이도 작동하는 새로운 악성 공격 프레임워크를 개발하는 것.
• 자원 제약이 있는 소셜 미디어 게시 환경에서 현재의 익명화 기법이 실질적인 프라이버시 위험을 얼마나 초래하는지 평가하는 것.

제안 방법

• 기본 사용자가 필요 없는 시드 프리 악성 공격인 ATHD를 제안하며, 소셜 미디어 데이터의 다각도 간 상관관계(예: 사용자 게시물과 네트워크 구조 및 위치 연결)를 활용한다.
• 구조적, 텍스처적, 위치적 특성을 통합하여 익명화된 사용자를 실제 신원과 일치시키기 위해 이분 그래프 매칭 전략을 사용한다.
• 이질적인 데이터 유형 간 유사성을 악용하여 반복적으로 정확도를 향상시키는 확률적 매칭 모델을 적용한다.
• 다양한 익명화 구성 조건에서 익명화 해제 성공률을 측정하기 위한 새로운 평가 프레임워크를 도입한다.
• 데이터 유용성을 유지하면서 익명화된 네트워크와 실제 네트워크 간 간선 차이를 최소화하기 위한 최적화 기법을 적용한다.
• 실제 소셜 미디어 데이터셋에 공격를 적용하여 실제 조건에서의 효과성을 입증한다.

실험 결과

연구 질문

• RQ1 두 요소 중 하나만 익명화된 경우 데이터는 프라이버시가 보장되는가?
• RQ2 모든 요소(구조적 및 텍스처적)가 익명화된 케이스 4는 사용자 프라이버시를 보호하는 데 충분한가?
• RQ3 다양한 이질적 데이터 요소가 결합된 경우, 익명화된 이후에도 익명화 해제 성공률은 어떻게 되는가?
• RQ4 다른 데이터 요소 간의 숨겨진 상관관계(예: 텍스트와 구조 간의 상관관계)는 독립적인 익명화에도 불구하고 어떻게 프라이버시 침해를 가능하게 하는가?
• RQ5 기본 사용자나 타겟 사용자에 대한 사전 지식 없이도 시드 프리 악성 공격가 높은 재식별 정확도를 달성할 수 있는가?

주요 결과

• 연구는 네트워크 구조나 텍스트 콘텐츠 중 하나만 익명화하는 것은 사용자 재식별을 방지하는 데 부족하며, 공격자가 익명화되지 않은 요소를 악용해 사용자를 재식별할 수 있음을 입증한다.
• 구조적, 텍스처적, 위치적 요소를 모두 별도로 익명화한 상태에서도 공격가 높은 재식별 성공률을 기록함으로써, 현재의 익명화 방식이 부적절하다는 점을 보여준다.
• ATHD는 시드 사용자나 타겟 신원에 대한 사전 지식 없이도 실제 데이터셋에서 80% 초과의 성공률로 사용자를 재식별하는 데 성공한다.
• 결과는 서로 다른 데이터 유형 간의 숨겨진 상관관계(예: 사용자 게시물과 네트워크 내 위치 매칭)가 표준 익명화의 프라이버시 보장을 크게 약화시킨다는 점을 드러낸다.
• 기존 익명화 기법은 사용자 생성 데이터의 본질적 이질성을 고려하지 못해 잔여 프라이버시 위험이 존재함을 보여준다.
• 저자들은 기존의 데이터 요소를 독립적으로 다루는 방식이 아니라 다각도 간 관계를 고려하는 새로운 종류의 익명화 기법이 필요하다고 결론 내린다.