[论文解读] Social Media and User Privacy

Ghazaleh Beigi|arXiv (Cornell University)|Jun 26, 2018

Privacy-Preserving Technologies in Data参考文献 6被引用 9

一句话总结

本文提出了一种新颖的对抗性去匿名化攻击，针对社交媒体数据，利用结构化数据与文本数据之间的隐藏关系，无需事先了解目标用户信息。通过结合基于tf-idf的帖子分析、基于API的资料搜索，以及使用结构与文本特征进行相似度评分，该攻击在完全匿名化两种数据维度后仍能成功重新识别用户，揭示了当前独立匿名化策略因跨维度数据泄露而存在不足。

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.

研究动机与目标

• 探究仅对社交媒体数据的一个方面（如文本或结构）进行匿名化是否足以保护用户隐私。
• 评估对所有数据维度（结构与文本）进行全面匿名化是否足以防止去匿名化攻击。
• 揭示社交媒体中异构数据维度之间潜在关系所引发的隐藏隐私风险。
• 开发一种实用的、无需先验知识的对抗性攻击，利用公开API与用户生成内容实现去匿名化。
• 通过识别当前独立匿名化假设的局限性，为未来隐私保护数据发布技术的设计提供参考。

提出的方法

• 使用tf-idf得分从匿名化数据中的用户提取最具揭示性的文本内容，以识别前k个帖子。
• 使用提取的文本内容查询公开社交媒体API（如Twitter、Foursquare），以检索候选用户资料。
• 结合文本帖子向量与结构特征（如邻居度分布）计算匿名用户与每个候选者的相似度。
• 引入最相似候选者邻居的特征，以提升去匿名化准确率并降低匿名化有效性。
• 使用整合了文本与结构特征的相似度评分函数，对候选者进行排序并识别最可能的匹配对象。
• 在真实世界数据集（Twitter与Foursquare）上实施并评估该攻击，以评估匿名化的抗压能力。

实验结果

研究问题

• RQ1 如果仅对数据的两个维度之一进行匿名化，数据是否仍具有隐私性？
• RQ2 情况4——即对结构与文本两个维度均进行完全匿名化——是否足以保护社交媒体数据中的用户隐私？
• RQ3 在异构社交媒体数据中，不同数据维度之间的隐藏关系是否仍会导致去匿名化后的隐私泄露？
• RQ4 无需先验知识的对抗性攻击，仅利用公开API与用户生成内容，能在多大程度上重新识别用户？
• RQ5 在去匿名化攻击中引入邻居特征在多大程度上提升了攻击的有效性？

主要发现

• 所提出的对抗性攻击即使在结构与文本两个维度均完全匿名化的情况下，仍能成功重新识别匿名化社交媒体数据中的用户。
• 独立地对数据维度进行匿名化是不足的，因为隐藏的跨维度关系使得去匿名化攻击成为可能。
• 该攻击无需事先了解目标用户或背景信息，仅依赖公开API与用户生成内容。
• 引入相似用户邻居的特征显著提升了去匿名化准确率，降低了匿名化效果。
• 该攻击表明，当前的匿名化实践因数据异质性而容易受到复杂、基于API的去匿名化攻击的影响。
• 在Twitter与Foursquare数据集上的评估结果表明，完全匿名化并不能保证隐私，暴露出现有隐私保护技术中的关键漏洞。