[论文解读] Priority-Aware Private Matching Schemes for Proximity-Based Mobile Social Networks

Ben Niu, Tanran Zhang+3 more|arXiv (Cornell University)|Jan 31, 2014

Caching and Content Delivery参考文献 18被引用 11

一句话总结

本文提出了 P-match 和 E-match，这两种是针对基于邻近关系的移动社交网络的隐私保护匹配方案，通过引入用户自定义的属性优先级以提高匹配准确性。通过结合可交换加密与优先级感知的相似度函数，并利用布隆过滤器进行优化，该方案实现了强隐私保护、低计算开销和高能效，E-match 在移动设备上完成匹配的时间低于 0.2 秒。

ABSTRACT

The rapid developments of mobile devices and online social networks have resulted in increasing attention to Mobile Social Networking (MSN). The explosive growth of mobile-connected and location-aware devices makes it possible and meaningful to do the Proximity-based Mobile Social Networks (PMSNs). Users can discover and make new social interactions easily with physical-proximate mobile users through WiFi/Bluetooth interfaces embedded in their smartphones. However, users enjoy these conveniences at the cost of their growing privacy concerns. To address this problem, we propose a suit of priority-aware private matching schemes to privately match the similarity with potential friends in the vicinity. Unlike most existing work, our proposed priority-aware matching scheme (P-match) achieves the privacy goal by combining the commutative encryption function and the Tanimoto similarity coefficient which considers both the number of common attributes between users as well as the corresponding priorities on each common attribute. Further, based on the newly constructed similarity function which takes the ratio of attributes matched over all the input set into consideration, we design an enhanced version to deal with some potential attacks such as unlimitedly inputting the attribute set on either the initiator side or the responder side, etc. Finally, our proposed E-match avoids the heavy cryptographic operations and improves the system performance significantly by employing a novel use of the Bloom filter. The security and communication/computation overhead of our schemes are thoroughly analyzed and evaluated via detailed simulations and implementation.

研究动机与目标

• 解决现有私密匹配方案将所有共同属性视为同等重要的局限性，忽略用户对共享兴趣的主观优先级。
• 缓解恶意用户通过注入大量虚假属性以推断私密信息所带来的隐私风险。
• 设计一种轻量级、高效的协议，适用于资源受限的移动设备，最大限度减少计算与能耗。
• 通过引入稳健的、优先级感知的相似度度量，防范来自发起方与响应方的攻击，确保安全性。
• 通过平衡隐私、准确率与性能，实现真实世界移动社交网络中的实际部署。

提出的方法

• 提出一种优先级感知的 Ochiai 相似度函数，综合考虑共同属性的数量及其各自的优先级权重，提升匹配的相关性。
• 采用可交换加密技术，在不向任一方泄露原始属性集合的情况下安全计算相似度。
• 设计一种增强的相似度函数，通过归一化匹配属性与总输入集合的比率，以抵抗属性洪泛攻击。
• 在 E-match 协议中利用布隆过滤器，降低通信与计算开销，替代高成本的密码学操作。
• 构建一个安全的多方计算框架，确保任一方仅获得匹配结果，不泄露其他信息，从而保护隐私。
• 集成基于阈值的决策机制，以确定好友匹配关系，而无需暴露底层属性数据。

实验结果

研究问题

• RQ1 如何有效将属性优先级融入私密匹配中，以提升基于邻近关系的移动网络中的社交匹配准确性？
• RQ2 哪些机制可防止恶意用户通过注入过多属性来推断私密信息，从而发起洪泛攻击？
• RQ3 如何使私密匹配足够高效，以适配计算与能量资源受限的移动设备？
• RQ4 所提出的优先级感知相似度函数在多大程度上优于传统方法（如简单交集或 Tanimoto 系数）？
• RQ5 基于布隆过滤器的优化是否能显著降低通信与计算成本，同时保持安全性？

主要发现

• 当 κ=10 时，E-match 协议在 Nexus S 智能手机上仅用 103.6 毫秒即完成匹配阶段，显著优于其他需数分钟的方案。
• 平均而言，E-match 在发起方仅消耗 55.60 mJ 能量，响应方消耗 33.00 mJ，远低于 P-match 的 9.81 J，也远低于其他方案的 178–280 J。
• E-match 的执行时间随优先级值（κ）增加仅略有上升，在 κ=10 时仍保持在 200 毫秒以内，表现出良好的鲁棒性与可扩展性。
• P-match 在智能手机上实现安全的私密匹配过程，线上计算时间仅需 15.67 秒，远快于 [20] 和 [24] 等方案所耗超 500 秒的时间。
• 所提出的优先级感知 Ochiai 相似度函数能有效区分高优先级共同属性（如 'cancer'）与低优先级属性（如 'music'），解决了以往方法在类似场景下失效的问题。
• 仿真结果证实，E-match 协议在保持强安全保证的同时，相比传统密码学方法，将通信与计算成本降低了 90% 以上。