[논문 리뷰] The Pin-Bang Theory: Discovering The Pinterest World

Sudip Mittal, Neha Gupta외 2명|arXiv (Cornell University)|2013. 07. 18.

Digital Games and Media참고 문헌 19인용 수 18

한 줄 요약

이 논문은 330만 명의 사용자 프로필과 5880만 개의 핀 데이터를 바탕으로 페인터레스트의 첫 번째 대규모 특성 분석을 제시하며, 패션, 음식, 여행과 같은 주요 주제의 지배적 성향, 외부 소스에서의 광범위한 이미지 핀(pin) 행위(95.3%), 개인정보 유출 및 핀 소스 내 악성코드와 같은 심각한 개인정보 보호 위험을 드러낸다. 연구는 저작권 침해 문제(이미지 출처 미기재)를 규명하고, URL 기반 악성코드 탐지 기반으로 보안 위협을 분석한다.

ABSTRACT

Pinterest is an image-based online social network, which was launched in the year 2010 and has gained a lot of traction, ever since. Within 3 years, Pinterest has attained 48.7 million unique users. This stupendous growth makes it interesting to study Pinterest, and gives rise to multiple questions about it's users, and content. We characterized Pinterest on the basis of large scale crawls of 3.3 million user profiles, and 58.8 million pins. In particular, we explored various attributes of users, pins, boards, pin sources, and user locations, in detail and performed topical analysis of user generated textual content. The characterization revealed most prominent topics among users and pins, top image sources, and geographical distribution of users on Pinterest. We then investigated this social network from a privacy and security standpoint, and found traces of malware in the form of pin sources. Instances of Personally Identifiable Information (PII) leakage were also discovered in the form of phone numbers, BBM (Blackberry Messenger) pins, and email addresses. Further, our analysis demonstrated how Pinterest is a potential venue for copyright infringement, by showing that almost half of the images shared on Pinterest go uncredited. To the best of our knowledge, this is the first attempt to characterize Pinterest at such a large scale.

연구 동기 및 목표

• 페인터레스트—성장 중인 이미지 기반 소셜 네트워크에서 사용자 행동, 콘텐츠 특성, 네트워크 구조를 이해하기 위해.
• 페인터레스트에서 개인정보 유출 및 악성 콘텐츠와 같은 개인정보 보호 및 보안 위험을 조사하기 위해.
• 플랫폼 내 저작권 침해 문제를 분석하기 위해 미기재 이미지 공유를 조사하기 위해.
• 사용자 생성 콘텐츠, 핀 소스, 사용자 지도적 분포를 특성화하기 위해.
• 소스 URL 분석을 통해 페인터레스트의 악성코드 및 스팸에 대한 취약성을 평가하기 위해.

제안 방법

• 330만 명의 사용자 프로필, 5880만 개의 핀, 777,748개의 보드, 498,433개의 이미지에 대한 대규모 웹 크롤링을 수행함.
• 상위 5명의 팔로워 수가 가장 많은 사용자에서 시작하는 BFS 기반 크롤링 전략을 사용하여 부분 하위 그래프를 수집하고 커뮤니티 편향을 줄임.
• 자연어 처리(NLP) 기법을 사용해 사용자 생성 텍스트 콘텐츠에 대한 주제 분석을 수행해 지배적 주제를 규명함.
• 핀의 EXIF 데이터와 소스 URL을 분석해 저작권 위반 및 악성코드 가능성을 탐지함.
• Google SafeBrowsing API를 활용해 핀 소스에 내장된 악성 URL을 탐지함.
• 사용자 프로필의 위치 데이터를 활용해 사용자의 지도적 분포를 평가함.

실험 결과

연구 질문

• RQ1 페인터레스트의 사용자 생성 콘텐츠와 핀 설명에서 지배적인 주제는 무엇인가요?
• RQ2 콘텐츠는 사용자 업로드 이미지와 외부에서 핀한 이미지 중 어느 쪽에 더 집중되어 있나요?
• RQ3 페인터레스트 사용자의 지도적 분포는 어떻게 되며, 어느 지역에서 가장 기여하고 있나요?
• RQ4 사용자 프로필에 공개적으로 노출된 개인식별정보(PII)의 비율은 어느 정도인가요?
• RQ5 핀 소스와 관련된 보안 위험, 즉 악성코드 및 저작권 침해는 어떤가요?

주요 결과

• 사용자와 핀에서 가장 흔한 주제는 디자인, 패션, 사진 촬영, 음식, 여행이었다.
• 페인터레스트의 이미지 중 4.7%만이 사용자가 직접 업로드했고, 95.3%는 구글 이미지, 에이비티 등 외부 소스에서 핀 것이다.
• 미국, 캐나다, 영국이 함께 전체 페인터레스트 사용자의 73% 이상을 차지했다.
• 페인터레스트에서 공유된 이미지의 95% 이상이 원저작권자에게 기재되지 않아 광범위한 저작권 침해 가능성이 드러났다.
• 공개된 사용자 설명서에서 전화번호, BBM 핀, 이메일 주소, 결혼 상태 등 수많은 개인정보 유출 사례가 발견되었다.
• Google SafeBrowsing API를 통해 핀 소스에서 악성코드 흔적을 탐지했으며, 인기 없는 보드까지 다양한 보드에서 악성 URL이 발견되었다.