[논문 리뷰] Social Media and User Privacy

Ghazaleh Beigi|arXiv (Cornell University)|2018. 06. 26.

Privacy-Preserving Technologies in Data참고 문헌 6인용 수 9

한 줄 요약

이 논문은 타겟 사용자에 대한 사전 지식 없이도 구조적 요소와 텍스트적 요소 간의 숨겨진 관계를 악용하여 소셜 미디어 데이터에 대해 새로운 적대적 탈익명화 공격을 제안한다. tf-idf 기반 게시물 분석, API 기반 프로필 검색, 그리고 구조적 및 텍스트적 특징을 사용한 유사도 스코어링을 통해, 두 요소 모두 완전히 익명화된 상태에서도 사용자를 성공적으로 재식별함으로써, 현재의 독립적 익명화 전략이 교차 요소 간 데이터 泄露로 인해 부족하다는 점을 드러낸다.

ABSTRACT

Online 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 users. This paper reviews my doctoral research on online users privacy specifically in social media. In particular, I propose a new adversarial attack specialized for social media data. I further provide a principled way to assess effectiveness of anonymizing different aspects of social media data. My work sheds light on new privacy risks in social media data due to innate heterogeneity of user-generated data.

연구 동기 및 목표

• 소셜 미디어 데이터의 한 요소(예: 텍스트 또는 구조)만 익명화하는 것이 사용자 프라이버시를 보호하는 데 충분한지 조사하는 것.
• 모든 데이터 요소(구조 및 텍스트)를 완전히 익명화하는 것이 탈익명화를 방지하는 데 충분한지 평가하는 것.
• 소셜 미디어의 이질적 데이터 요소 간 잠재적 관계에서 발생하는 숨겨진 프라이버시 리스크를 드러내는 것.
• 공개 API와 사용자 생성 콘텐츠를 활용하여 지식이 없는 적대적 공격을 실현 가능한 방식으로 개발하는 것.
• 현재 독립적 익명화 가정의 한계를 규명함으로써 향후 프라이버시 보존 데이터 배포 기법의 설계에 정보를 제공하는 것.

제안 방법

• tf-idf 점수를 사용하여 익명화된 데이터에서 한 사용자의 가장 정보를 담고 있는 텍스트 콘텐츠를 추출하여 상위-k 게시물 식별.
• 추출된 텍스트 콘텐츠를 사용하여 공개 소셜 미디어 API(예: Twitter, Foursquare)에 쿼리하여 후보 사용자 프로필을 검색.
• 게시물의 텍스트 벡터와 이웃의 차수 분포와 같은 구조적 특징을 조합하여 익명화된 사용자와 각 후보 간의 유사도를 계산.
• 유사한 후보들의 이웃 특징을 통합하여 탈익명화 정확도를 향상시키고 익명화 효과를 감소시킴.
• 텍스트적 및 구조적 특징을 통합한 유사도 스코어링 함수를 사용하여 후보를 순위 매기고 가장 가능성 있는 매칭을 식별.
• 실세계 데이터셋(Twitter 및 Foursquare)을 대상으로 공격을 구현하고 평가하여 익명화에 대한 내성 검증.

실험 결과

연구 질문

• RQ1 두 요소 중 하나만 익명화된 경우 데이터는 프라이버시를 확보할 수 있는가?
• RQ2 사례 4—구조적 및 텍스트적 요소를 모두 완전히 익명화한 경우—소셜 미디어 데이터에서 사용자 프라이버시를 보호하는 데 충분한가?
• RQ3 이질적 소셜 미디어 데이터의 서로 다른 데이터 요소 간에 숨겨진 관계가 완전한 익명화 이후에도 프라이버시 泄露를 초래할 수 있는가?
• RQ4 지식이 없는 적대적 공격이 공개 API와 사용자 생성 콘텐츠만을 사용하여 사용자를 어느 정도 재식별할 수 있는가?
• RQ5 이웃 특징을 통합할 경우 익명화된 소셜 미디어 데이터에 대한 탈익명화 공격의 효과성이 얼마나 향상되는가?

주요 결과

• 제안된 적대적 공격은 구조적 및 텍스트적 요소가 모두 완전히 익명화된 상태에서도 익명화된 소셜 미디어 데이터 내 사용자를 성공적으로 재식별한다.
• 데이터 요소를 별도로 익명화하는 것은 부족하며, 숨겨진 교차 요소 간 관계로 인해 탈익명화 공격가 가능하다.
• 공격은 타겟 사용자에 대한 사전 지식이나 배경 정보가 필요 없으며, 공개 API와 사용자 생성 콘텐츠만으로 작동한다.
• 유사 사용자 이웃의 특징을 통합하면 탈익명화 정확도가 크게 향상되어 익명화 효과가 감소한다.
• 공격는 현재의 익명화 관행이 데이터 이질성으로 인해 고도로 발전된 API 기반 탈익명화에 취약하다는 점을 입증한다.
• Twitter 및 Foursquare 데이터셋에 대한 평가 결과, 완전한 익명화가 프라이버시를 보장하지 못하며 기존의 프라이버시 보존 기법에 심각한 격차가 존재함을 확인한다.