Utility analysis on privacy-preservation algorithms for online social networks: an empirical study
Utility analysis on privacy-preservation algorithms for online social networks: an empirical study
复制标题
在线社交网络隐私保护算法的效用分析：实证研究
DOI：
10.1007/s00779-019-01287-0
复制
发表时间：
2019-08
影响因子：
--
通讯作者：
Tian Zhi
中科院分区：
文献类型：
--
作者：
Zhang Cheng;Jiang Honglu;Cheng Xiuzhen;Zhao Feng;Cai Zhipeng;Tian Zhi
社交网络最近获得了巨大的人气。数以百万计的人使用社交网络应用程序与朋友和家人分享宝贵的时刻。在使用社交网络时，用户经常被要求提供姓名、性别和地址等个人信息。然而，随着社交网络数据的大规模收集、分析和重新发布，个人信息可能会被未经授权的第三方甚至攻击者滥用。因此，人们进行了广泛的研究，以保护社交网络中的数据免受隐私侵犯。最流行的技术是图扰动，它在社交图数据发布之前通过各种随机化技术修改社交网络用户(顶点)的局部拓扑结构。然而，随着随机噪声的引入，图形匿名化可能会影响数据的可用性，从而降低用户体验。因此，必须在隐私保护和数据可用性之间寻求权衡。在本文中，我们使用各种图和应用程序效用度量来研究这种权衡。更具体地说，我们通过实现五种最先进的匿名化算法来进行实证研究，以分析Facebook和Twitter数据集上的图形和应用程序实用程序。我们的结果表明，大多数匿名算法可以部分或有条件地保持图和应用程序的效用，并且任何单一的匿名算法在不同的数据集上都不一定能很好地执行。最后，在回顾了图匿名技术的基础上，我们对未来的研究方向和面临的挑战进行了简要的概述。
Social networks have gained tremendous popularity recently. Millions of people use social network apps to share precious moments with friends and family. Users are often asked to provide personal information such as name, gender, and address when using social networks. However, as the social network data are collected, analyzed, and re-published at a large scale, personal information might be misused by unauthorized third parties and even attackers. Therefore, extensive research has been carried out to protect the data from privacy violations in social networks. The most popular technique is graph perturbation, which modifies the local topological structure of a social network user (a vertex) via various randomization techniques before the social graph data is published. Nevertheless, graph anonymization may affect the usability of the data as random noises are introduced, decreasing user experience. Therefore, a trade-off between privacy protection and data usability must be sought. In this paper, we employ various graph and application utility metrics to investigate this trade-off. More specifically, we conduct an empirical study by implementing five state-of-the-art anonymization algorithms to analyze the graph and application utilities on a Facebook and a Twitter dataset. Our results indicate that most anonymization algorithms can partially or conditionally preserve the graph and application utilities and any single anonymization algorithm may not always perform well on different datasets. Finally, drawing on the reviewed graph anonymization techniques, we provide a brief overview on future research directions and challenges involved therein.
登录
查看更多内容
DOI：
10.1137/1.9781611972788.67
发表时间：
2008
期刊：
--
影响因子：
--
作者：
Xiaowei Ying;Xintao Wu
通讯作者：
Xiaowei Ying;Xintao Wu
DOI：
10.1609/icwsm.v7i1.14456
发表时间：
2013-06
期刊：
Proceedings of the International AAAI Conference on Web and Social Media
影响因子：
--
作者：
M. Korayem;David J. Crandall
通讯作者：
M. Korayem;David J. Crandall
DOI：
10.1145/2660267.2660278
发表时间：
2014-11
期刊：
Proceedings of the 2014 ACM SIGSAC Conference on Computer and Communications Security
影响因子：
--
作者：
S. Ji;Weiqing Li;M. Srivatsa;R. Beyah
通讯作者：
S. Ji;Weiqing Li;M. Srivatsa;R. Beyah
DOI：
--
发表时间：
2014-06
期刊：
--
影响因子：
--
作者：
J. Leskovec;A. Krevl
通讯作者：
J. Leskovec;A. Krevl
DOI：
10.1109/tdsc.2017.2697854
发表时间：
2019-07
影响因子：
7.3
作者：
Jianwei Qian;Xiangyang Li;Chunhong Zhang;Linlin Chen;Taeho Jung;Junze Han
通讯作者：
Jianwei Qian;Xiangyang Li;Chunhong Zhang;Linlin Chen;Taeho Jung;Junze Han