[论文解读] Securing Social Media User Data - An Adversarial Approach

Ghazaleh Beigi, Kai Shu+2 more|arXiv (Cornell University)|May 1, 2018

Privacy-Preserving Technologies in Data被引用 9

一句话总结

本文提出ATHD，一种对抗性去匿名化技术，通过利用异构社交媒体数据（如结构、文本和位置特征）之间的隐藏关联，在所有数据方面均独立匿名化的情况下仍能突破隐私保护。关键发现是，尽管当前的匿名化实践全面，但由于潜在的跨方面相关性，仍不足以防范高成功率的重新识别攻击。

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.

研究动机与目标

• 调查仅对异构社交媒体数据的一个方面（如结构或文本）进行匿名化是否足以保护用户隐私。
• 评估对社交媒体数据所有方面（结构、文本和位置）进行匿名化作为最强隐私保护方法的有效性。
• 识别不同数据方面之间隐藏的相关性，这些相关性使得在独立匿名化的情况下仍能实现去匿名化。
• 开发一种新型对抗性攻击框架，无需种子用户或大量背景知识即可运行。
• 评估在资源受限的社交媒体发布环境下的当前匿名化技术的真实世界隐私风险。

提出的方法

• 提出ATHD，一种无种子的对抗性攻击，利用社交媒体数据中的跨方面相关性（例如，将用户帖子与他们的网络结构和位置关联起来）。
• 采用二分图匹配策略，基于结构、文本和位置特征的综合信息，将匿名化用户与真实身份对齐。
• 采用概率匹配模型，通过利用异构数据类型之间的相似性，迭代提升去匿名化准确率。
• 提出一种新颖的评估框架，用于测量在各种匿名化配置下去匿名化的成功率。
• 应用优化技术，最小化匿名化网络与真实网络之间的边差异，同时保持数据可用性。
• 在真实世界社交媒体数据集上验证攻击，以证明其在真实条件下的有效性。

实验结果

研究问题

• RQ1 如果仅对数据的两个方面之一进行匿名化，数据是否仍具有隐私性？
• RQ2 当所有方面（结构和文本）均被匿名化时（即情况4），是否足以保护用户隐私？
• RQ3 在对多个异构数据方面进行匿名化后，将这些方面结合使用时，去匿名化的成功率是多少？
• RQ4 不同数据方面之间（例如文本与结构）的隐藏相关性如何在独立匿名化的情况下仍导致隐私泄露？
• RQ5 无种子的对抗性攻击是否能在不了解目标用户或背景信息的情况下实现高重新识别准确率？

主要发现

• 研究表明，仅对社交媒体数据的一个方面（如网络结构或文本内容）进行匿名化不足以防止去匿名化，攻击者可利用未匿名化的方面重新识别用户。
• 即使社交媒体数据的所有方面（结构、文本和位置）均被独立匿名化，攻击仍能达到较高的重新识别成功率，表明当前的匿名化实践仍不充分。
• ATHD在真实世界数据集上成功实现超过80%的用户重新识别成功率，且无需种子用户或目标身份的先验知识。
• 结果表明，不同数据类型之间的隐藏相关性（例如，将用户帖子与其网络位置相匹配）显著削弱了标准匿名化方法的隐私保障能力。
• 研究表明，现有匿名化技术未能考虑用户生成数据的固有异质性，导致残留隐私风险。
• 作者得出结论：需要一类新型匿名化技术，应考虑跨方面关系，而非将数据方面孤立处理。