社交網(wǎng)絡(luò)在當(dāng)今時代風(fēng)靡全球,成為人們生活中不可或缺的一部分。然而,為了給用戶提供交友、消息推薦等功能,社交網(wǎng)絡(luò)往往包含著大量用戶的個人信息與生活習(xí)慣,這也導(dǎo)致社交網(wǎng)絡(luò)的用戶數(shù)據(jù)隱私問題成為當(dāng)前的一個研究熱點。本文旨在從多個方面研究社交網(wǎng)絡(luò)中的隱私泄露問題并提出相應(yīng)的保護(hù)措施。隨著移動社交網(wǎng)絡(luò)(Mobile Social Networks,簡稱MSN)的流行,由于用戶位置分享而導(dǎo)致的隱私泄露的危險逐漸增加。本文首先通過比較用戶在社膠網(wǎng)絡(luò)上共享的位置與他們的實際移動軌跡,定量地量化位置隱私泄露情況。為完成這一目標(biāo),本文招募三十名志愿者進(jìn)行了為期三周的實驗,研究直接位置分享(例如微博、人人網(wǎng))和間接位置分享(例如微信、Skout)對于用戶真實運動軌跡的反映情況。進(jìn)一步,本文探索潛在的隱私泄露方式,例如,攻擊者是否可以通過觀察用戶分享在社交網(wǎng)絡(luò)上的移動軌跡推斷用戶的人口統(tǒng)計學(xué)信息(例如,年齡,性別,教育水平)。最后,為了在避免隱私泄漏的同時保證服務(wù)質(zhì)量,本文提出一個基于用戶環(huán)境的系統(tǒng)級隱私保護(hù)解決方案,旨在自動學(xué)習(xí)用戶在不同地理位置的隱私偏好,并為移動社交網(wǎng)絡(luò)用戶提供一個透明的隱私控制體系。另...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
主要符號對照表
第一章 研究背景
第二章 相關(guān)工作
    2.1 社交網(wǎng)絡(luò)地理位置隱私
    2.2 社交網(wǎng)絡(luò)去匿名化
        2.2.1 基于圖結(jié)構(gòu)的去匿名化
        2.2.2 基于用戶畫像的去匿名化
第三章 移動社交網(wǎng)絡(luò)地理位置隱私的攻擊與防御
    3.1 章節(jié)概述
        3.1.1 攻擊者模型
        3.1.2 數(shù)據(jù)集介紹
    3.2 地理位置隱私泄漏的量化
        3.2.1 社交網(wǎng)絡(luò)的地理位置畫像
        3.2.2 實驗結(jié)果
    3.3 從移動軌跡到用戶信息
        3.3.1 基于最長公共序列的方法
        3.3.2 基于機器學(xué)習(xí)的預(yù)測方法
    3.4 防御系統(tǒng)
        3.4.1 框架實現(xiàn)
        3.4.2 自動隱私級別設(shè)定
        3.4.3 SmartMask中的混淆方式
        3.4.4 實驗結(jié)果
        3.4.5 本工作的局限性
第四章 社交網(wǎng)絡(luò)去匿名化與隱私泄漏量化
    4.1 章節(jié)概述
    4.2 動機與建模
        4.2.1 設(shè)計NHDS的動機
        4.2.2 去匿名化攻擊框架
    4.3 實驗結(jié)果
        4.3.1 數(shù)據(jù)集
        4.3.2 實驗結(jié)果
    4.4 隱私泄漏的評估
        4.4.1 不同平臺上的用戶畫像
        4.4.2 平臺保留信息的聚合
        4.4.3 用戶保留信息的挖掘
全文總結(jié)
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的項目



本文編號：3777087