FriendGuard: A Friend Search Engine with Guaranteed Friend Exposure Degree
FriendGuard: A Friend Search Engine with Guaranteed Friend Exposure Degree
复制标题
FriendGuard：保证好友曝光度的好友搜索引擎
DOI：
10.1145/3322431.3325103
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Squicciarini, Anna
中科院分区：
文献类型：
--
作者：
Morris, Joshua;Lin, Dan;Squicciarini, Anna
随着网络社交网络的普及，大量的研究都集中在网络用户的隐私问题上。现有的工作主要集中在防止未经授权的个人信息（例如位置、帖子和照片）被访问。很少有研究致力于保护朋友搜索引擎，这是一项允许人们浏览他人朋友列表的服务。虽然大多数朋友搜索引擎只显示一个人的朋友列表的部分视图（例如，k个朋友）或提供显示所有或没有朋友的功能，攻击者可能会利用从不同查询中获得的视图的综合知识来获得目标受害者的更大的社会网络，潜在地泄露受害者的敏感信息。在本文中，我们提出了一种新的朋友搜索引擎，即FriendGuard，它保证了用户设置的朋友曝光程度。如果一个用户只允许披露他/她的k个朋友，我们的搜索引擎将确保通过查询该用户的其他朋友来发现该用户的更多朋友的任何尝试都将失败。我们的搜索引擎背后的关键思想是构建一个独特的子社交网络，能够满足查询需求，并控制朋友曝光的程度。我们进行了广泛的实验研究，结果证明了我们的方法的效率和有效性。
With the prevalence of online social networking, a large amount of studies have focused on online users' privacy. Existing work has heavily focused on preventing unauthorized access of one's personal information (e.g. locations, posts and photos). Very little research has been devoted into protecting the friend search engine, a service that allows people to explore others' friend lists. Although most friend search engines only disclose a partial view of one's friend list (e.g., k friends) or offer the ability to show all or no friends, attackers may leverage the combined knowledge from views obtained from different queries to gain a much larger social network of a targeted victim, potentially revealing sensitive information of a victim. In this paper, we propose a new friend search engine, namely FriendGuard, which guarantees the degree of friend exposure as set by users. If a user only allows k of his/her friends to be disclosed, our search engine will ensure that any attempts of discovering more friends of this user through querying the user's other friends will be a failure. The key idea underlying our search engine is the construction of a unique sub social network that is capable of satisfying query needs as well as controlling the degree of friend exposure. We have carried out an extensive experimental study and the results demonstrate both efficiency and effectiveness in our approach.
登录
查看更多内容
使用边缘向量扰动保护社交网络隐私
DOI：
10.1109/iscc-c.2013.103
发表时间：
2013
期刊：
2013 International Conference on Information Science and Cloud Computing Companion
影响因子：
--
作者：
Lihui Lan;Lijun Tian
通讯作者：
Lijun Tian
社交网络隐私保护数据发布
DOI：
10.1109/cis.2017.00063
发表时间：
2017
期刊：
2017 13th International Conference on Computational Intelligence and Security (CIS)
影响因子：
--
作者：
S. Bourahla;Y. Challal
通讯作者：
Y. Challal
DOI：
10.1109/tifs.2018.2866309
发表时间：
2019-04
影响因子：
6.8
作者：
Yuhong Liu;Na Li
通讯作者：
Yuhong Liu;Na Li
识别隐藏的社交圈以进行高级隐私配置
DOI：
10.1016/j.cose.2013.07.007
发表时间：
2014
期刊：
Comput. Secur.
影响因子：
--
作者：
A. Squicciarini;Sushama Karumanchi;D. Lin;Nicole DeSisto
通讯作者：
Nicole DeSisto
OSN 中针对用户友谊隐私的高级共谋攻击
DOI：
10.1109/compsac.2016.47
发表时间：
2016
期刊：
2016 IEEE 40th Annual Computer Software and Applications Conference (COMPSAC)
影响因子：
--
作者：
Yuhong Liu;Na Li
通讯作者：
Na Li