• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE transactions on dependable and secure computing >F-PAD: Private Attribute Disclosure Risk Estimation in Online Social Networks
【24h】

F-PAD: Private Attribute Disclosure Risk Estimation in Online Social Networks

机译：F-PAD：在线社交网络中的私有属性披露风险估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In online social networks, users always expect to share some information for benefits (e.g., personalized services) while hiding the others for privacy. Unfortunately, the hidden information is likely to be predicted by various powerful inference attacks with the rapid advances in machine learning. Then, what is the risk that a users private information could be disclosed? What countermeasures can be taken to fight against the privacy violation for the user? To tackle these issues, this article proposes a general Framework for Private Attribute Disclosure estimation (F-PAD) including three steps: 1) private attribute prediction; 2) disclosure model training; 3) disclosure risk estimation. Not like most prior risk estimation studies focusing on one specific attack model and private attribute, F-PAD can estimate disclosure risk for individual users in terms of disclosure probability and risk level within a high confidence given a basket of potential inference attack models; furthermore, F-PAD can adapt to various attributes (e.g., gender, age) and offer countermeasures to help users lower the risk. Extensive experiment studies on two real social network datasets, Facebook and Book-Crossing, have verified the effectiveness of F-PAD in 'current city', 'gender' and 'age' disclosure risk estimation.
机译：在在线社交网络中，用户总是希望共享一些信息以获取利益（例如个性化服务），而其他信息则隐藏起来以保护隐私。不幸的是，随着机器学习的飞速发展，各种强大的推理攻击可能会预测隐藏的信息。那么，泄露用户私人信息的风险是什么？可以采取什么对策来对抗用户的隐私权侵害？为了解决这些问题，本文提出了一个通用的私有属性公开估计框架（F-PAD），包括三个步骤：1）私有属性预测； 2）披露模型培训； 3）披露风险估计。与大多数先前针对某一特定攻击模型和私有属性的风险评估研究不同，F-PAD可以在一篮子潜在推理攻击模型的高度置信度内，根据披露概率和风险水平估算单个用户的披露风险。此外，F-PAD可以适应各种属性（例如性别，年龄），并提供对策来帮助用户降低风险。在两个真实的社交网络数据集（Facebook和Book-Crossing）上进行的大量实验研究已经验证了F-PAD在“当前城市”，“性别”和“年龄”披露风险估计中的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号