کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6883968 1444211 2018 44 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Composition attack against social network data
ترجمه فارسی عنوان
حمله مخلوط به اطلاعات شبکه اجتماعی
کلمات کلیدی
حریم خصوصی، شناسایی داده ها، شبکه اجتماعی، حمله ساختگی، شبکه مقیاس آزاد،
ترجمه چکیده
اهمیت شبکه های اجتماعی با رشد سریع فن آوری های شبکه اجتماعی و رشد پایدار در جوامع کاربر رو به رشد است. با توجه به اینکه جمع آوری داده ها از شبکه های اجتماعی برای تحقیقات علمی و کاربردی تجاری ضروری است، پیشگیری از نشت اطلاعات حساس بسیار مهم است. اکثر روش های شناسایی بر روی تهدیدات مرتبط با انتشار یک مجموعه داده های شبکه اجتماعی تمرکز می کنند. همانطور که بیشتر کاربران اینترنت در بیش از یک شبکه اجتماعی مشارکت می کنند، احتمالا سوابق کاربر در دو مجموعه داده های اجتماعی منتشر شده ظاهر می شود. سطح ناشناس بودن هر یک از مجموعه داده ها ممکن است تنها یک خطر امنیتی کوچک باشد؛ با این حال، هیچ تضمینی وجود ندارد که ترکیبی از دو مجموعه داده دارای سطح ناشناس بودن یکسان باشد. حمله به حریم خصوصی فرد با استفاده از دو مجموعه داده منتشر شده حاوی سوابق خود، حمله ترکیبی نامیده می شود. حمله ترکیبی اخیرا به عنوان یک تهدید به دو مجموعه داده ارتباطی مورد بررسی قرار گرفت؛ با این حال هنوز به عنوان یک خطر بالقوه برای دو مجموعه داده حاوی داده های شبکه اجتماعی در نظر گرفته نشده است. نقش جدید این مقاله این است که حمله ترکیب به داده های شبکه اجتماعی ناشناس اعمال می شود. الگوریتم جدید برای حمله ترکیبی پیشنهاد شده است و کاربرد آن با استفاده از جفت های شبکه های بدون مقیاس مصنوعی جایگزین شبکه های واقعی واقعی نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
The importance of social networks is growing with the fast development of social network technologies and the steady growth in their user communities. Given that the collection of data from social networks is essential for academic research and commercial applications, the prevention of leakage of sensitive information has become very crucial. The majority of anonymization techniques are focused on the threats associated with publishing one social network dataset. As most Internet users participate in more than one social network, a user's records are likely to appear in two published social network datasets. The level of anonymity of each dataset may present only a small security risk; however, there is no guarantee that a combination of the two datasets has the same level of anonymity. An attack on the privacy of an individual using two published datasets containing his/her records is called a composition attack. The composition attack was recently investigated as a threat to two relational datasets; however, it has not yet been considered as a potential danger to two datasets containing social network data. The novel contribution of this paper is that the composition attack is applied to anonymized social network data. A new algorithm for the composition attack is proposed and its usability is demonstrated with experiments using pairs of synthetic scale-free networks substituting real social networks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Security - Volume 74, May 2018, Pages 115-129
نویسندگان
,