移动社交网络的隐私分析与保护

发布时间：2023-04-01 11:45

　　社交网络在当今时代风靡全球,成为人们生活中不可或缺的一部分。然而,为了给用户提供交友、消息推荐等功能,社交网络往往包含着大量用户的个人信息与生活习惯,这也导致社交网络的用户数据隐私问题成为当前的一个研究热点。本文旨在从多个方面研究社交网络中的隐私泄露问题并提出相应的保护措施。随着移动社交网络(Mobile Social Networks,简称MSN)的流行,由于用户位置分享而导致的隐私泄露的危险逐渐增加。本文首先通过比较用户在社胶网络上共享的位置与他们的实际移动轨迹,定量地量化位置隐私泄露情况。为完成这一目标,本文招募三十名志愿者进行了为期三周的实验,研究直接位置分享(例如微博、人人网)和间接位置分享(例如微信、Skout)对于用户真实运动轨迹的反映情况。进一步,本文探索潜在的隐私泄露方式,例如,攻击者是否可以通过观察用户分享在社交网络上的移动轨迹推断用户的人口统计学信息(例如,年龄,性别,教育水平)。最后,为了在避免隐私泄漏的同时保证服务质量,本文提出一个基于用户环境的系统级隐私保护解决方案,旨在自动学习用户在不同地理位置的隐私偏好,并为移动社交网络用户提供一个透明的隐私控制体系。另...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
主要符号对照表
第一章 研究背景
第二章 相关工作
    2.1 社交网络地理位置隐私
    2.2 社交网络去匿名化
        2.2.1 基于图结构的去匿名化
        2.2.2 基于用户画像的去匿名化
第三章 移动社交网络地理位置隐私的攻击与防御
    3.1 章节概述
        3.1.1 攻击者模型
        3.1.2 数据集介绍
    3.2 地理位置隐私泄漏的量化
        3.2.1 社交网络的地理位置画像
        3.2.2 实验结果
    3.3 从移动轨迹到用户信息
        3.3.1 基于最长公共序列的方法
        3.3.2 基于机器学习的预测方法
    3.4 防御系统
        3.4.1 框架实现
        3.4.2 自动隐私级别设定
        3.4.3 SmartMask中的混淆方式
        3.4.4 实验结果
        3.4.5 本工作的局限性
第四章 社交网络去匿名化与隐私泄漏量化
    4.1 章节概述
    4.2 动机与建模
        4.2.1 设计NHDS的动机
        4.2.2 去匿名化攻击框架
    4.3 实验结果
        4.3.1 数据集
        4.3.2 实验结果
    4.4 隐私泄漏的评估
        4.4.1 不同平台上的用户画像
        4.4.2 平台保留信息的聚合
        4.4.3 用户保留信息的挖掘
全文总结
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的项目



本文编号：3777087