[论文解读] Rank-Based Inference over Web Databases

Farhadur Rahman, Weimo Liu+3 more|arXiv (Cornell University)|Nov 6, 2014

Data Management and Algorithms参考文献 32被引用 3

一句话总结

本文揭示了使用排名检索的网络数据库中一个关键的隐私漏洞：即使私有属性值未在查询结果中暴露，其值仍可仅通过观察top-k查询中元组排名的变化而被推断出来。作者提出了一种新颖的攻击框架，通过操纵查询中的公共属性，利用排名函数的设计缺陷，成功在Amazon Goodreads和Renren.com等真实平台推断出私有属性值。

ABSTRACT

In recent years, there has been much research in Ranked Retrieval model in structured databases, especially those in web databases. With this model, a search query returns top-k tuples according to not just exact matches of selection conditions, but a suitable ranking function. This paper studies a novel problem on the privacy implications of database ranking. The motivation is a novel yet serious privacy leakage we found on real-world web databases which is caused by the ranking function design. Many such databases feature private attributes - e.g., a social network allows users to specify certain attributes as only visible to him/herself, but not to others. While these websites generally respect the privacy settings by not directly displaying private attribute values in search query answers, many of them nevertheless take into account such private attributes in the ranking function design. The conventional belief might be that tuple ranks alone are not enough to reveal the private attribute values. Our investigation, however, shows that this is not the case in reality. To address the problem, we introduce a taxonomy of the problem space with two dimensions, (1) the type of query interface and (2) the capability of adversaries. For each subspace, we develop a novel technique which either guarantees the successful inference of private attributes, or does so for a significant portion of real-world tuples. We demonstrate the effectiveness and efficiency of our techniques through theoretical analysis, extensive experiments over real-world datasets, as well as successful online attacks over websites with tens to hundreds of millions of users - e.g., Amazon Goodreads and Renren.com.

研究动机与目标

• 调查在评分中包含私有属性但结果中隐藏这些属性的网络数据库中，排名函数所引入的隐私风险。
• 挑战一种普遍观点，即仅凭元组排名无法揭示私有属性值。
• 基于查询接口设计和攻击者能力，构建攻击场景的系统性分类。
• 设计并评估仅利用top-k查询响应即可成功恢复私有属性值的实用推断攻击。
• 在Goodreads和Renren.com等高流量平台中，证明此类攻击在现实世界中的可行性和有效性。

提出的方法

• 基于两个维度提出基于排名的推断攻击分类：(1) 查询接口类型（如单属性搜索、多属性搜索），(2) 攻击者能力（如创建账户、控制查询参数）。
• 设计一种查询序列攻击，通过操纵公共属性观察目标元组的排名变化，基于相对排名的变动推断私有属性值。
• 对于仅有一个可搜索公共属性的数据库（如Goodreads上的姓名），基于攻击者控制的个人资料与目标之间的排名比较，对候选私有属性值（如邮政编码）使用类似二分查找的剪枝技术。
• 引入容错范围以应对未知或专有的排名函数，使推断在确切距离度量未知时仍具鲁棒性。
• 使用真实世界数据集和生产网站上的在线实验实现并验证攻击，这些网站用户规模达数百万至数亿。
• 通过理论分析建立基于排名变化推断私有属性值的可行性及前提条件。

实验结果

研究问题

• RQ1 即使私有属性值未直接暴露，是否仅凭top-k查询结果中元组的相对排名，就能推断出其值？
• RQ2 在不同查询接口设计和攻击者能力下，基于排名的推断攻击在何种结构和功能条件下可行？
• RQ3 在现实世界中具有复杂专有排名函数的网络数据库中，这些攻击在实际中的有效性与效率如何？
• RQ4 攻击者在仅获得top-k查询的排名反馈时，能在多大程度上缩小私有属性值的可能范围？
• RQ5 所提出的推断技术在哪些限制和边缘情况下存在局限，特别是当私有属性被设为“无偏好”或具有特定默认值时？

主要发现

• 研究证明，传统观点——即仅凭元组排名无法揭示私有属性值——是根本错误的，因为查询间排名的变化会泄露私有数据。
• 作者在Renren.com和Amazon Goodreads上成功实施了在线攻击，证实仅通过top-k查询响应即可高精度推断出如家乡和邮政编码等私有属性。
• 在Goodreads上，攻击通过结合排名比较与剪枝技术，在几次迭代内将目标用户的邮政编码候选范围从超过40,000个缩小至唯一匹配。
• 即使确切的排名函数未知，攻击仍具有效性，通过引入容错范围以应对专有或混淆的距离度量。
• 该方法具有可扩展性和高效性：实验表明，即使在大规模数据集和复杂排名逻辑下，也能在少量查询内完成推断。
• 结果表明，隐私泄露不仅发生在显示评分的系统中，也发生在仅暴露相对排名的系统中，揭示了排名型数据库系统中此前未被关注的攻击面。