在社交网络上分散的私人信息共享协议

文摘

社交网络越来越受欢迎,人们在社交网站上分享信息与他们的朋友。在许多这类的网站上,共享信息可以阅读所有的朋友;然而,并不是所有的信息都是适合质量分布和访问。虽然人们可以在一些网站形式的社区,这个特性还没有可用的所有网站。此外,它是不方便为消息设置接收器当目标社区很大。社交网络的一个特点是互相了解的人倾向于形成紧密连接集群,和集群之间的联系比较少见。基于这一特性,community-finding算法提出了检测社交网络社区。然而,很难community-finding算法应用于分布式社交网络。在本文中,我们提出一个分布式分布式社交网络隐私控制协议。通过选择只有一小部分的人从一个社区,我们的协议可以传输信息到目标社区。

1。介绍

社交网络是越来越受欢迎,人们在社交网站上与他们的朋友共享信息(SNS)。大部分这些网站默认平等对待所有联系人。例如,如果一个人没有他/她的朋友团体,随后所有人的朋友可以查看他/她的信息贴在墙上。即使SNS提供分组功能,之前的作品表明,排序的朋友是不方便1,2]。在现实世界中,个人和不同的人有不同的类型的关系。信息用户希望和一群人分享可能不适合其他组的人,即使他们都是用户的朋友。

因此,提出了许多隐私保护机制(3- - - - - -6]。然而,这些机制,要求用户事先设置访问权限,让他们的朋友。虽然这提供准确的解决方案决定谁应该获得某些信息,是不方便的用户管理,特别是当用户有很多朋友。人们可能不会保持所有的团体,他们在SNS加入现实生活中。此外,尽管许多社交网站提供组设置,著名的Twitter等社交网站没有这个功能。琼斯和奥尼尔(2)建议使用自然组织团体提供关于隐私,这减少了配置的负担。

紧密连接集群自然有组织的集团是一家社交图。人们在现实生活中往往形成群体。例如,你和你的高中同学形成一组;你和你的同事形成另一组;一个俱乐部的成员你属于形成另一个组。先前的研究表明,互相承认在现实生活的人可能在SNS建立连接。Mayer和拉出器7报道说,只的连接只是网上交流;因此,它是安全的假设之间的连接在SNS之间你和你的朋友和你的朋友和你的朋友的朋友形成集群。虽然许多关系存在在一个集群中,只有少数关系存在在不同的集群。这些集群成为有意义的团体,因为连接在一个集群中建立同样的原因。

典型community-finding算法仅当用户函数获得他/她自己的ego-network,包括用户之间的连接和他/她的朋友之间(1级的朋友)和用户的朋友和他们的朋友(级别2的朋友)。但是,许多社交网站如Facebook,用户没有访问别人的关系路径。理论上,用户可以获得他/她的所有朋友的联系,问他/她的朋友使用Facebook应用程序写入收集数据,这是几乎不可能实现。

另一种方法来保护用户的隐私是建立一个分散的社交网络,这是一个社交网络,用户只知道他/她的直接连接。虽然这是不受欢迎的,它一直在讨论Safebook [8]和Helloworld [9]。此外,一些研究提出了分散的社交网络计划(10]。这种类型的社交网络,是不可能提前学习别人的连接。

在此,我们首先出现之前的研究关于私人社交网络信息共享;随后,我们提出一个新的私人信息共享协议用于分散的社交网络。我们的协议,这是基于秘密共享,利用社交网络的特征。我们的协议展示以下属性。首先,利用自然组织团体,社区必须位于只使用用户可以获取的信息。我们假设用户可以获得的信息是1级的朋友列表。接下来,这个协议不泄漏源的友情连接到任何用户。此外,该协议可以适应集中的社交网络。

本文的其余部分组织如下。我们在部分介绍背景和相关研究2,现在我们研究的模型3节,介绍和分析我们的协议4,描述我们的实验部分5节中,讨论结果6,并提供部分的结论7。

2。背景和相关研究

2.1。在SNS隐私控制

安全和隐私(11- - - - - -14)是两个重要的主题,往往是讨论在各种各样的应用程序和环境(15- - - - - -20.]。社交网站上的隐私问题已经在先前的研究报道。角色(3)结合属性与传统的公钥加密方法来提供对SNS用户定义的访问控制。胜利(4)支持安全一对一和一对多通信在Facebook上通过应用RSA和El Gamal加密和解密信息。NOYB [5)来保护私有数据分区数据转换成原子和取代这些原子与另一个用户的原子伪随机。Lockr [21在Flickr上提供了访问控制。然而,这些机制需要用户定义的访问能力提前为每一个他们的朋友。通过将每个用户的朋友变成一个预定义的社区,用户可以分享私人信息只有那些目标群体。他们使用加密来保护私人信息。这导致一个复杂的密钥交换,它将很难撤销键连接在SNS都取消了。

2.2。Community-Finding算法

寻找复杂网络社区是一个研究的话题。传统方法基于图划分,如Kernighan-Lin的算法(22),把图形分成集群。现代的方法,如Newman-Girvan的算法(23),利用“模块化“定义停止准则。许多community-finding算法(24,25)基于模块化模块化是最大化时具备良好的分割结果。康茄舞(26)提高了原始Newman-Girvan算法,因此重叠组可以被探测到。其他算法之类的27,28]介绍了检测重叠组。上面介绍的算法需要用户知道整个网络数据。然而,这是不可行的用户获得完整的网络数据在SNS或WWW。此外,当地community-finding算法已经提出。Clauset [29日)和其他(30.当地]提出了模块化的方法。Bagrow [31日提出了”客观的存在”的方法。

上面提到的算法要求用户知道他们的1级和2级的朋友。然而,在移动网络,用户无法轻易获得别人的连接。此外,社交网站如Facebook限制用户访问别人的上下文信息,这使得它很难运用这些方法。

2.3。组通信

社交网络应用程序通常是相关的组通信。一些已经利用自然组织社区。Grob et al。1)进行了调查,得出结论,组通信经常发生,但很少使用分组功能。在他们的调查中,只有用户使用手机内置的分组功能。他们Cluestr实现和应用康茄舞(26在一个社区推荐朋友。琼斯和奥尼尔提出使用隐式社区出现在人们的社交网络隐私控制(2]。他们使用扫描算法32)检测的社区。李等人。33)提出了一种证明地安全与隐私保护组密钥协商方案在在线社交网络使用长混乱的地图。

3所示。问题陈述和系统模型

我们一个在线社交网络作为一个简单的模型图 ,在这是一组用户和是一组连接在线社交网络。此外,我们一个真实的社交网络作为一个简单的模型图 ,在哪里是一组人是一组认识每个人之间的联系。我们假设一个双射函数 的存在。换句话说,我们忽略那些不存在的在线社交网络。我们模型的一个真实的社区 。我们假设一个相应的自然形成的社区 存在每一个社区 。也就是说,一个双射函数 的存在。

我们定义了一个朋友作为一组节点 ,中为每个 , 的存在。

3.1。问题陈述

我们的目标是使我们的协议 传输一个秘密来 ,在相应的 的存在。为每一个 ,相应的节点 的存在。传输的节点相当于传输 。

3.2。所需的属性

我们的协议展示以下属性。

3.2.1之上。分散的

我们的协议可以应用于分散的社交网络。

3.2.2。隐私

我们的协议应该保护所有节点的身份和链接的隐私。一个节点的隐私是知识的联系 , 。值得注意的是的朋友 。其身份隐私的知识的存在。

3.2.3。鲁棒性

我们的协议应该适应不断变化的社会网络。接收用户私人信息的设置应符合当前社会网络拓扑结构。

3.3。对手模型

在此,我们定义了一个semihonest对手模型。在这个模型中,一个节点但可能希望发现遵循协议 , ,在哪里 , ,和不是发送者 。

为每一个 ,如果对手可以识别任何 , ,然后链接的隐私是泄露。

为 发送一个秘密 ,如果一个对手可以识别的身份没有获得完整的秘密,然后的身份泄露。也就是说,一个节点应该学习的来源一个秘密当且仅当它接收的秘密。

敌人可以一个中间节点,接收机或陌生人不接收任何令牌。

4所示。协议

在本节中,我们提出和分析我们的隐私控制协议,称为分散的私人信息共享协议(DPISP)。DPISP允许一个节点分配私人信息在社交网络上的一组节点没有提前设置社区成员。表1描述了符号。

DPISP,节点分为三方:(我)一个源节点发送一个秘密 。(2)接收器接收到的任何部分的秘密。(3)一个中间节点转发任何秘密的一部分,他/她的朋友。一个中间节点也是一个接收器。

尽管源节点只知道 ,它可以很容易地识别的作用 在 。例如,一个节点知道自己的同学是谁和它的同事是谁。将信息发送到特定的社区在 , 可以选择代表节点,属于相应的社区在 。节点选择的是中间节点。

接收器是由两个参数控制的设置,和 ,随着中间节点指定的源节点。是中间节点的数量加上源节点,然后呢表明之间的连接接收器的数量和他/她获得完整的信息。参见图1例如:钻石节点表示源节点。四广场节点中间节点 。如果我们将 ,只有广场将会获得完整的信息。如果我们将 ,方形和圆形获得完整的信息。如果我们将 ,即使是三角形将获得消息。

4.1。协议概述

发送私人消息到一个社区 ,源节点首先把私人信息部分消息;随后,发送一个令牌组成部分信息和TTL标记 (TTL标签是用于指示是否应该进一步传播令牌)连同身份标签,和 ,每一个中间节点,让他/她自己。源节点发送令牌 他/她所有的朋友。令牌相同的身份标记表明他们是相同的部分消息私人信息。中间节点保存收到一份令牌 ,减少TTL 1,随后传播令牌所有的朋友。那些得到它或多个令牌相同的身份标签可以恢复私人信息。

然而,在上述案例中,源节点的链接隐私泄露。如果一个中间节点直接从收到一个令牌由另一个中间节点和一个令牌传播也从 ,然后可以获得与他人的连接。假设集 ;虽然无法恢复完整的信息,他/她仍然可以发现有一个连接 。因为发送直接从令牌有 , 立刻知道这个令牌的源节点 。此外,由于令牌传播的起源来自哪里 ,这两个标记的身份标签是相同的;因此,知道令牌传播也从并意识到连接之间存在和 。

为了解决这个隐私泄露问题,源节点的身份不能被接收器,除非他们能恢复私人信息。

4.2。DPISP

DPISP基于秘密共享。秘密共享,一个秘密是分裂的部分;谁接收的部分可以恢复秘密,而那些接收不到部分无法恢复的秘密和学习任何东西,从他们收到的信息。我们应用沙米尔的秘密共享方案34在我们的协议。DPISP包含两个阶段:传播和复苏阶段。这两个阶段的详细程序数据所示2和3。

4.2.1。准备沙米尔的秘密共享

沙米尔的秘密共享包含以下两个方案:方案(分布 )和重建计划( )。图4显示详细的功能。

一个节点运行 生成的股票的秘密 。输入表明其创建的数量的股票表示数量的股票恢复秘密。

在 ,一个值得信赖的经销商做以下几点:(我)随机选择系数,用 (2)构造一个多项式 (3)计算股票通过评估在不同的点

一个节点运行 恢复的秘密 。输入表示数量的股票已经恢复的秘密;输入是一组不同的股票用吗 ,在哪里 。在 ,适应拉格朗日插值节点的集合重建的多项式 。如果包含或多个不同的股票, ;否则, 没有信息显示 。

4.2.2。协议描述

图2显示我们的传播阶段协议。源节点第一个选择 它希望分享私人信息与。它选择从集团成员,它在现实生活中认识到作为中间节点,在哪里小于组大小。接下来,适用于 生成股票 ,在哪里 , ,通过评估的多项式在和 。为每一个 , 构造相应的标记 与 为 ,在哪里 和 为 。令牌的元素描述如下: 的分享分配到 ; 表明不同的股票总数分配;代表的股份数节点必须坚持重建消息;和是一个TTL标签。它发送令牌 , ,…,到相应的节点选择早些时候和发送所有的朋友。

一个节点接收任何分享第一次验证 。如果 ,节点减少1,向所有的朋友发送令牌。此外,节点维护一份令牌。

图3显示了DPISP的复苏阶段。恢复的私人信息标记一个节点收到,他跑DPISP的复苏阶段。降低计算成本,组的所有令牌的 ,创建集。随后,他把令牌相同在每一个到相同的子集,子集 ,在哪里 。分组后的令牌,他跑每组中的所有标记的组合 。换句话说,选择从子集并运行其中的每一个可能的组合令牌子集。如果一个秘密成功恢复,删除的标记属于秘密。测试所有可能的组合后,选择另一个子集和重复同样的步骤,直到所有可能的组合测试子集。

验证是否成功恢复,一个节点计算和验证 。

4.2.3。分析

首先,我们检查我们的隐私协议。正如我们前面所描述的,一个节点在分散的社交网络节点集的只有知识 。DPISP,当且仅当恢复信息 ,在哪里是一组包含中间节点。

隐私参与这项研究的类型如下:

(1)源节点的隐私。考虑到任何接收一个或多个令牌,无法区分其来源 。此外,无法区分如果之间存在联系和任何 除非可以阅读这个秘密。

(2)中间节点的隐私。考虑到任何接收一个或多个令牌,无法区分如果连接之间存在任何中间节点 除非可以恢复这个秘密。

(3)接收方的隐私。任何 无法区分接收者的身份和其连接到其他节点 。

我们将讨论这三个角色的隐私。首先,我们表明,DPISP保护隐私的源节点的身份证明源节点不显示那些无法恢复的秘密 。假设接收机不能重建 ;的元素标记不显示源节点的身份,令牌的起源不能区分。唯一的例外是,知道原点,因为中间节点 ;然而,这不是一个隐私泄漏,因为源节点和中间节点已经是朋友。此外,了解信息的一个令牌没有透露其他标记的来源。

接下来,我们表明,中间节点的链接隐私不透露。类似于上面的,接收方不知道令牌,除非他们的起源可以恢复私人信息,源节点的身份不是透露。因此,接收器不能获得任何知识有关 因此,中间节点的链接隐私保护。

最后,接收器的隐私是不透露,因为接收器不提供任何信息到其他节点。接收者可以通过评估恢复私人信息使用沙米尔的重建方法的秘密共享协议。根据这些信息,他们可以确定属于相同的股票 。因为他们知道中间节点的身份,这些股票,他们知道因为他们可以恢复私人信息,他们知道连接之间存在中间节点和源节点。但是,我们并不认为这是隐私泄漏,因为我们假设节点可以解码消息在同一个社区和中间节点;因此,接收方应该知道和中间节点是1级的朋友。

接下来,我们分析DPISP的开销。DPISP在传播阶段,源节点发送令牌,所有的朋友;随后,所有的中间节点发送令牌,他们的朋友。假设源节点有朋友;在其朋友,它选择中间节点,用 ,…, ,和他们每个人朋友。令牌传播在传播阶段的总数 。

DPISP在复苏阶段,一个节点的地方标记到根据其子集 和 。假设不同的 对存在;因此,它必须执行一个最大的为 次恢复任何秘密。尽管一个节点必须执行次,时间成本不一样大一个想象。

4.3。Semidecentralized协议

DPISP的最紧迫的问题是节点可能会花大量的时间恢复秘密如果他们收到很多令牌。为了避免一个详尽的搜索,我们提出一个semidecentralized信息共享协议,也就是说,SDPISP。

SDPISP利用服务器日志标记。服务器提供了两个函数:注册( , )和查询( ),在这是一组整数,然后呢是阈值。源节点注册一组数据到服务器通过调用注册函数。服务器通过一个记录这些数据到一个单独的条目在其数据库中。每个条目包含阈值 。接收器调用查询函数来验证是否有复苏的令牌有效存在。

使用SDPISP发送私人信息,决定目标社区,把秘密 ,在哪里私人信息和吗 ,成股票通过应用 。随后,而不是生成令牌没有任何身份标签,它生成令牌 ,与 ,在哪里是一个随机的数字。接下来,调用注册( , ), ,向服务器发送这些随机数。

恢复秘密,接收器调用查询( )和输入所有的随机数他/她收到了。服务器返回记录集的随机数得到相同如果接收方或多个令牌。

图5说明了SDPISP的概念。和希望一些数据发送给他们的朋友。他们把 和 。他们用随机数首先创建令牌和 ,分别。随后,他们注册这些数据到服务器,发送令牌中间用户。例如,那些收到任何令牌那些收到令牌 ,对服务器的调用查询函数;随后,服务器返回来 。因为服务器不返回4只获得一个令牌 ,和只有令牌4不能恢复数据。取另一个例子:收到令牌并调用查询功能;服务器返回和来 。随后知道,他/她可以恢复两组不同的数据。

4.3.1。分析

使用一个服务器,接收器不需要计算所有可能的令牌的组合。SDPISP,他们问一组服务器是否属于同一秘密存在的令牌。

我们检查这个semidecentralized的隐私协议和忽略两个随机数碰撞的机会。SDPISP,参与者的身份和链接隐私不泄露给对方。此外,隐私不泄露的链接服务器。如果一个节点注册一些随机数服务器和节点查询服务器的任何注册的随机数 ,然后服务器将不知道是一个1级的朋友吗或2级的朋友 。

5。实验

假设一个社区是一个孤立的、完全连接网络,所有人属于社区相互连接,而不同类别的人之间不存在任何联系。在这种情况下,它是足以让一个用户组 和 。所有成员在社区恢复信息,但是那些不属于社区将不会收到足够的股票来重建数据。

然而,在真实的社交网络,会发生两种情况。首先,两个用户在同一个社区可能没有相互连接。第二,一个或多个用户可能有联系的人并不像他们在同一个社区。提高准确性,我们进行实验来获得足够的设置和社区具有不同大小和聚类系数。

5.1。数据收集

由于缺乏地面实况,每个用户所属的社区的信息,现有的社交网络图之类的(35,36)不能用于我们的实验。许多先前的研究收集的数据从Facebook。然而,查询别人的Facebook API上下文信息是不允许的,除非他们同意提供信息。唯一的信息我们可以很容易的获得是参与者的1级的朋友。收集2级的朋友们,我们可以开发一个Facebook应用程序来收集信息和问参与者的朋友使用它;然而,这是不现实的期望所有人使用它。因为我们既需要参与者的1级和2级连接执行实验,我们不能从Facebook收集数据。因此,我们从Plurk收集数据。

Plurk在台湾是一个著名的微博。根据Alexa [372011年),4月4日,Plurk的流量是来自台湾,名列第27位,以及全球第1297位。Plurk API允许我们收集其他用户的数据提供的信息是公开的。因此,我们要求学生在打击。深圳Plurk IIIRC提供他们的友谊关系。

在我们的实验中,我们收集了8名学生的友谊图。深圳,从IIIRC的两个学生业力都高于60-Karma值评估Plurk用户的活跃度。我们提取这些参与者之间的联系和他们的1级和2级的朋友。随后,我们把他们的朋友到一个或多个社区定义的参与者。例如,表2显示了社区的参与者列表 。他/她定义4社区代表他/她的朋友的社交网络,每个可以属于1到4的社区。同样,我们收集了42个社区,社区大小最少是3和最大社区大小是61;我们表示社区大小在接下来的部分。此外,我们计算了聚类系数( )每个社区的措施的程度,用户在社区往往聚集在一起。方程(1)显示的定义 ,在哪里和显示实际的和最大数量的链接在一个社区,每个用户之间。的最大数量每个用户在社区之间的联系 ,在哪里是社区大小。表3显示了我们从Plurk收集详细的数据。

我们搜集了参与者的数据后,我们进行实验并记录用户并不直接朋友发送者,但找到了令牌。我们分类列表出现每个用户的数量出现了社区在实验;随后,我们让参与者确认那些出现在列表成员的社区。大多数参与者表示,他们不能准确地确定名单上的一个用户属于社区的定义。然而,我们收集的数据中,我们相信两个参与者能够正确识别出2级朋友属于他们的社区之一。

因为它是更容易为用户手动选择社区成员在社区小,我们忽略了社区小于9后续实验。因此,我们的测试用例是由31个社区包含9到61个成员。

我们只考虑参与社区的邻居,因为参与者不能准确标记那些不是他们邻居的社交网络。因此,在我们的后续实验,结果只涉及每个参与者的邻居。

5.2。DPISP的准确性

DPISP是秘密共享的一个特征参数 可以动态地调整。也就是说,人们可能会决定如果他们想要更多或更少的用户收到令牌。秘密共享参数表示数量的股票用户发送到中间用户,和意味着股票的数量恢复用户接收消息。我们测量的结果DPISP通过计算精度和召回。

在这项研究中使用的参数定义如下:(我)真阳性(TP):用户检索的DPISP社区定义的参与者。(2)假阳性(FP):用户检索的DPISP不是在社区定义的参与者。(3)假阴性(FN):用户在社区参与者定义的但没有DPISP检索(iv)精度:部分用户检索的DPISP属于社区参与者的标记。 (v)回忆:部分用户检索的DPISP属于社区参与者的标记。

在我们的实验中,我们把测试用例根据他们的大小( )和聚类系数。对于每个测试用例,我们测试了他们通过设置3 - 8。为每一个 ,我们生产 可能的中级用户集。随后,我们测试的结果从2到为每个中间用户集。

一个中间用户集中级用户选择源用户。由于时间成本高,如果可能的组合的数量 小于或等于5000,那么我们测试所有可能的中间用户组;如果可能的组合的数量大于5000,然后随机选择5000种可能的中间用户测试集。

5.2.1。之间的关系 和组大小

我们目前的结果除以测试用例分为三个类别根据其大小。类别 , ,和包含测试用例与社区大小9 - 16、17至32岁和大于32。这些类别的聚类系数是0.5878,0.5126,和0.5394,分别。

数据6和7显示每个类别的平均精度和召回:在所有三个类别是固定的,精度降低和回忆增加增加。这是因为如果中间用户存在,更多的人将获得股票,从而增加人的概率是/不是社区成员,令牌中恢复过来。

根据这些数据,增加,记得迅速减少。例如,在类别 ,回忆是0.7278 并减少到0.1646 当 。这是因为用户必须获得更多股票恢复令牌;因此,用户可以恢复令牌的数量减少。因此,我们建议用户选择一个小的 。与此同时,精度降低和召回时略有增加增加。精度为0.73 并减少到0.7008 当 ;召回从0.57增加到0.66 对。这意味着用户不需要选择一个大的获得最好的结果。相反,他们可以选择一个更小的结果仍然是可以接受的。

另外,我们观察到的平均精度与社区规模增加。在我们看来,这是由于这些社区的重叠。例如,一个用户的“好朋友“集团可能是他/她”的一个子集同学们”集团。图8说明了重叠社区的一个例子。假设一个用户希望将消息发送给他/她”好朋友”;因此,她向中级用户在发送股票”好朋友”。然而,她的一些“同学们“是可以恢复的令牌,因为网络紧密连接,从而降低精度。

5.2.2。之间的关系 和聚类系数

我们将测试用例分为四类根据他们的 ,在类别包含测试用例 ,类别包含测试用例 ,类别包含测试用例 ,和类别包含测试用例 。

图9显示了四个类别的平均回忆说。我们观察到,减少快速回忆说增加社区 但略有下降增加社区 。

虽然用户可能不知道他们期望的聚类系数提前社区,他们可以估计是否密集或松散连接的社区。例如,如果希望发送消息给他/她的实验室,他/她可以假定这个社区的成员相互熟悉;因此,社区是高度聚集,他/她可以设置4或5异常值恢复令牌的几率降到最低。与此同时,如果希望发送消息给他/她的朋友在他的部门,他/她应该设定2或3的机会最大化的成员部门恢复令牌。

5.2.3。令牌传播期间DPISP

令牌的数量,源和中级用户必须传输必须等于他们的朋友。图10显示了平均数量的令牌传输协议;令牌的总数在协议增加而传播 。

为每一个 ,不管的价值 ,令牌传播的数量应该是相同的。然而,如结果所示,当不同的令牌数量的变化。这是因为并不是所有轮出现在当用户恢复的实验令牌。有时候,没有用户可以恢复令牌因为没有收到足够的股票。我们只数了数轮,一个用户至少恢复消息的实验。

5.3。DPISP的成功率

传输通过不同的中间用户令牌设置原因不同组的用户收到令牌。虽然一些中级用户集产生良好的结果,偶尔没有用户可以恢复用户发送的信息来源。

在此,我们提出DPISP的成功率。对于每个测试用例,我们测量的结果最多5000发子弹。我们认为测试回合成功,如果一个或多个用户可以恢复令牌。结果部分所示5。2只有注册成功的回合。

我们测量的成功率协议由以下公式: 在哪里显示的平均成功率测试 为所有的测试用例,表明成功的几轮测试的数量 为测试用例,表示总轮测试的数量 为测试用例。

图11描述了成功率,失败的平均数量,和平均总轮数 计算的测试用例。虽然成功率减少时增加,这是附近当很小,这意味着即使一个用户随机选择中级用户,信息仍然可以传播到人。

5.4。选择中级用户

DPISP,用户选择从那些属于中级用户社区。不幸的是,如果他/她选择中级用户(即“坏”。,users who have only a few links to the community members), the precision will be low, or the recall will be high.

帮助用户找到“好”中级用户,用户可以发送一个链接到他/她所有的朋友,让他们注册的链接到事先证明它们之间存在足够的连接。因此,一个用户第一次生成从单独的链接和分发这些股票股价的他/她的朋友。谁接收股票恢复重建方法,通过应用的链接秘密共享。随后,他/她在这个链接注册自己。

图12显示的结果选择那些有很多的社区成员之间的联系。如之前的数据所示,设置 收益率低的召回,只有少数人可以恢复私人信息。实验结果显示了一个示例选择好的中级用户。如果用户选择6中间用户与社区成员紧密相连的,即使他/她集 ,召回将大约0.9。反之,如果他/她选择随机中级用户,回忆只会0.6。根据以前的结果,精度提高 ;因此,选择好的中级用户收益更好的精度和召回。

5.5。计算成本的经济复苏阶段

在本节中,我们讨论的成本DPISP的复苏阶段。乍一看,似乎一个用户必须花费大量的时间来重建的秘密。理论上,用户必须执行 的时候构造所有可能的秘密,与不同的令牌数量吗 对。

检查DPISP的效率,我们的数量分析执行对用户 和发送的用户数量的秘密。此外,我们分析所需的时间 。进行了模拟与基于PC 3.2 GHz Intel CPU和4 Gb的RAM。我们实现了使用c# SecretSharp秘密共享函数库(38在微软Visual Studio 2010。

在我们的实验中,我们模拟用户同时发送他们的机密 设置的范围来和来 。在每种情况下,用户可以获得最多令牌分散在箱,每一本包含最多令牌。因此,用户必须执行一个最大的 秘密共享恢复所有的秘密。表4显示仿真结果 。一个多项式的系数的大小是1024位。换句话说,秘密的最大大小为128字节。如结果所示,用户可以执行的时候每秒。如果一个用户组 ,存在448000种可能的组合,这就需要略多于一分钟恢复所有的秘密。

6。讨论

在本节中,我们讨论DPISP的不准确的原因和方法来改善DPISP恢复阶段的效率。此外,我们讨论大数据共享的方法。

6.1。改善DPISP准确性

我们将讨论可能的原因错误的协议在本节中。

首先,错误可能是由于用户不公布他们的友谊关系。很多社交网络允许用户设置是否被其他人可以访问他们的信息。如果任何中间用户不分享他们连接在实验期间,分享发送给他/她不能再传染给其他用户,从而减少用户相关的概率对应的中间用户令牌中恢复。

接下来,错误可能是由于机器人。许多“机器人”存在于Plurk。这些机器人开发执行自动消息广播或者是一个“甲骨文”,它允许用户提问和回答。几乎所有用户Plurk有连接用默认账户”Plurk伙伴”和许多其他的机器人。因此,尽管这些机器人并不在用户定义的社区,他们有一个高的机会令牌中恢复。

可以减轻这一问题通过创建一个忽略用户列表。当我们执行这个协议,我们可以忽略用户不正常的用户。

6.2。大数据共享

使用沙米尔的秘密共享、消息的最大大小由一个多项式的系数大小限制。例如,如果系数大小是1024位,最大消息大小是128字节。如果私人信息的大小大于128字节,一个用户的信息分割成128字节的块和接收机必须花更多的时间恢复私人信息。

多项式的常数将大型数据的不足,也就是说,文件,照片,等等。研究者提出几个multi-secret-sharing计划(39- - - - - -42]。例如,杨et al。39)提出了一个计划,股票秘密而不是一个秘密多项式;然而,多项式的阈值极高的根据他们的实验。只有当DPISP执行好很小。因此,很难运用这些算法,除非一个用户选择一个大的 。

而不是直接共享数据,用户可以用会话密钥加密数据;此外,他们可以共享的密钥和路径数据使用DPISP与他/她的朋友。

7所示。结论

在本文中,我们目前的DPISP,在社交网络上使用一个信息共享协议。在分散的社交网络或像Facebook这样的社交网站上,用户不能直接访问别人的上下文信息,我们的方法提供了一个更实际的方法来实现组通信功能使用自然组织的社区。我们也证明了我们的方法保护用户的隐私的链接。此外,DPISP运行不使用任何键或密码,所以适应网络的变化。没有重新分配一个关键她所有的朋友都当她添加或删除的朋友。

通过调优参数 ,可以将信息发送到社区成员的不同子集。我们的结果显示在用户可以恢复秘密,来属于目标社区;关于来社区可以恢复正确的秘密。

数据可用性

使用的实验数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作由国家资金支持从Fundacao para Ciencia e Tecnologia (FCT)通过UID / EEA / 50008/2019项目,由巴西国家研究和发展委员会(CNPq)通过批准号309335/2017-5。

引用

1. Grob r、m·库恩、r . Wattenhofer和m . Wirz”Cluestr:移动社交网络增强组沟通,”诉讼的ACM国际会议上支持组工作森尼贝尔岛,页81 - 90年,英足总,美国,2009年5月。视图:谷歌学术搜索
2. 琼斯和e . O ' neill“结构性网络聚类组的隐私控制的可行性在社交网络上,”学报第六届研讨会上可用的隐私和安全2010年7月美国雷德蒙,佤邦。视图:谷歌学术搜索
3. r·巴登a本德:春天,保护,和d . Starin”形象:一个在线社交网络与用户定义的隐私,”ACM SIGCOMM计算机通信评审,39卷,不。4、135 - 146年,2009页。视图:出版商的网站|谷歌学术搜索
4. m·卢卡斯和n·鲍里索夫”胜利:减轻社会网络的隐私风险,”第七届ACM学报》研讨会上隐私在电子社会,2008年美国弗吉尼亚州的,页1 - 8,2008年10月。视图:谷歌学术搜索
5. s·k·唐,p·弗朗西斯“NOYB:隐私在在线社交网络,”学报第一在线社交网络研讨会,2008美国,页49-54、西雅图、佤邦,2008年8月。视图:谷歌学术搜索
6. a . k . Das m . Wazid n . Kumar a . v . Vasilakos和j·j·p·c·罗德里格斯”Biometrics-based保护隐私用户身份验证方案工业物联网云计算部署”IEEE物联网,5卷,不。6,4900 - 4913年,2018页。视图:出版商的网站|谷歌学术搜索
7. a . Mayer和拉出器,”老男孩(女孩)网络:社交网络的形成在大学校园里,“《公共经济学》杂志,卷92,不。1 - 2、329 - 347年,2008页。视图:出版商的网站|谷歌学术搜索
8. l·卡提罗,r . Molva和t . Strufe”Safebook:传递的可行性合作对于一个分散的社交网络隐私,”《IEEE国际研讨会上无线的世界里,移动和多媒体网络&研讨会,2009,页1 - 6,科斯,希腊,2009年6月。视图:谷歌学术搜索
9. m·阿克曼k . Hymon b .路德维希,k .威廉“Helloworld:一个开放源码的、分布式和安全的社交网络”W3C学报》研讨会上社交网络的未来2009年1月、西班牙的巴塞罗那。视图:谷歌学术搜索
10. l . Aiello和g . Ruffo分散的社交网络服务的安全、灵活的框架,”学报》第八届IEEE国际会议上普适计算和通信研讨会,2010曼海姆,页594 - 599年,德国,2010年3月。视图:谷歌学术搜索
11. C.-M。陈,y黄,K.-H。王,美国Kumari M.-E。吴”,安全认证和密钥交换方案计算的雾,“企业信息系统,硕士论文,2020页。视图:出版商的网站|谷歌学术搜索
12. 任努卡,,k . s . Kumar美国库玛丽,C.-M。陈:“密码分析和改善保护隐私三因子为无线传感器网络认证协议,”传感器,19卷,不。21日,第4625页,2019年。视图:出版商的网站|谷歌学术搜索
13. T.-Y。吴,C.-M。陈,K.-H。王、孟c和e . k . Wang”证明地安全certificateless公钥加密关键词搜索,“中国工程师学院杂志》上,42卷,不。1、精神分裂症一般,2019页。视图:出版商的网站|谷歌学术搜索
14. h .熊y赵,l .彭h·张,K.-H。叶,“部分policy-hidden计算属性的广播加密与安全代表团优势,”未来一代计算机系统卷,97年,第461 - 453页,2019年。视图:出版商的网站|谷歌学术搜索
15. C.-M。陈,b,刘y, K.-H。王”,互联网的车辆安全认证协议”,IEEE访问7卷,第12057 - 12047页,2019年。视图:出版商的网站|谷歌学术搜索
16. C.-M。陈,K.-H。王,K.-H。叶、b .香和T.-Y。吴”,攻击和解决方案在一个三方基于密码的认证密钥交换协议的无线通信,”环境智能和人性化计算杂志》上,10卷,不。8,3133 - 3142年,2019页。视图:出版商的网站|谷歌学术搜索
17. j . M.-T。吴,j . C.-W。林,a . Tamrakar”更实用的项集挖掘有效的剪枝策略”,ACM交易知识发现的数据(TKDD),13卷,不。6,58页,2019年。视图:出版商的网站|谷歌学术搜索
18. js。锅,彭译葶。李,a . Sghaier m . Zeghid, j .谢”小说systolization subquadratic空间复杂性乘数基于托普利兹矩阵向量积的方法,”IEEE超大规模集成电路(VLSI)系统,27卷,不。7,1614 - 1622年,2019页。视图:出版商的网站|谷歌学术搜索
19. w·甘,j . C.-W。林,p . Fournier-Viger H.-C。曹国伟、v . s .曾和p . s . Yu”utility-oriented模式挖掘的调查。”IEEE工程知识和数据,2019年,页1 - 20。视图:出版商的网站|谷歌学术搜索
20. 研究所。楚,x雪,js。锅,吴x”,优化本体对齐在向量空间中,“互联网技术杂志》,21卷,不。1,第15 - 22页,2020。视图:谷歌学术搜索
21. a . Tootoonchian k . Gollu s Saroiu y Ganjali,和a .防腐”Lockr: web 2.0社交访问控制”学报第一在线社交网络研讨会,2008美国,页43-48、西雅图、佤邦,2008年8月。视图:谷歌学术搜索
22. b·w·克尼汉和美国林”,一个有效的启发式程序分区图,“贝尔系统技术杂志卷,49号2、291 - 307年,1970页。视图:出版商的网站|谷歌学术搜索
23. m·纽曼和m . Girvan“发现和评估网络社区结构,”物理评论E,卷69,不。2、文章ID 026113, 2004。视图:出版商的网站|谷歌学术搜索
24. e . a•莱克特说,m·e·j·纽曼“定向网络社区结构,”物理评论快报,卷100,不。11日,ID 118703条,2008年。视图:出版商的网站|谷歌学术搜索
25. Brandes, d·德尔·m·Gaertler et al .,“寻找图与最大模块化集群,”用计算机科学概念施普林格,页121 - 132年,柏林,德国,2007年。视图:谷歌学术搜索
26. 格雷戈里,“一个算法来发现重叠社区结构网络,”国际会议的程序在数据库知识发现,2007年,页91 - 102,华沙,波兰,2007年9月。视图:谷歌学术搜索
27. b·卡勒、大肠Levina和m .纽曼“社区结构网络的鲁棒性,物理评论E,卷77,不。4、文章ID 046119, 2008。视图:出版商的网站|谷歌学术搜索
28. n . Du b·吴x裴,b . Wang和l .徐“社区检测大规模社交网络,”9 WebKDD学报》和1日SNA-KDD Web研讨会矿业和社会网络分析,2007年第16 - 25页,圣何塞、钙、美国,2007年8月。视图:谷歌学术搜索
29. a . Clauset”找到当地社区结构的网络,”物理评论E,卷72,不。2、文章ID 026132, 2005。视图:出版商的网站|谷歌学术搜索
30. 美国套筒、f·拉奥和a . Caflisch“本地网络集群化、模块化措施”物理评论E,卷72,不。5、文章ID 056107, 2005。视图:出版商的网站|谷歌学术搜索
31. j . Bagrow“评估当地社区网络中的方法,”杂志的统计力学:理论和实验,卷2008,不。5篇文章ID P05001 2008。视图:出版商的网站|谷歌学术搜索
32. 徐x n . Yuruk z,冯,t . Schweiger”扫描:网络结构的聚类算法,”13 ACM SIGKDD学报》国际会议上知识发现和数据挖掘,2007圣何塞,页824 - 833年,CA,美国,2007年8月。视图:谷歌学术搜索
33. C.-T。李,T.-Y。吴,C.-M。陈”,证明地安全组密钥协商方案与隐私保护在线社交网络使用扩展混乱的地图,“IEEE访问》第六卷,第66753 - 66742页,2018年。视图:出版商的网站|谷歌学术搜索
34. a·沙米尔“如何分享一个秘密,”ACM的通信,22卷,不。11日,第613 - 612页,1979年。视图:出版商的网站|谷歌学术搜索
35. 梅丝洛夫,m . Marcon k . p . Gummadi p . Druschel b .保护好,“测量和在线社交网络的分析,”学报》第五届ACM / USENIX大会网络测量,2007美国圣地亚哥CA, 2007年10月。视图:谷歌学术搜索
36. j . k . Lewis考夫曼m·冈萨雷斯,a .威默和n·克里斯塔基斯,“品味、关系和时间:一个新的社交网络数据集使用facebook.com,”社交网络,30卷,不。4、330 - 342年,2008页。视图:出版商的网站|谷歌学术搜索
37. Alexa,http://www.alexa.com/siteinfo/plurk.com。
38. SecretSharp,http://sourceforge.net/projects/secretsharp/。
39. c c。杨,T.-Y。常,M.-S。黄”(t,n多秘密分享方案。”应用数学和计算,卷151,不。2、483 - 490年,2004页。视图:出版商的网站|谷歌学术搜索
40. 曹邵和z,”一个新的有效(t,n基于心理学)可验证多秘密共享(vm)计划,”应用数学和计算,卷168,不。1,第140 - 135页,2005。视图:出版商的网站|谷歌学术搜索
41. L.-J。彭日成和Y.-M。王”,一个新的(t,n基于沙密)多秘密共享方案的秘密共享,“应用数学和计算,卷167,不。2、840 - 848年,2005页。视图:出版商的网站|谷歌学术搜索
42. j·h·简,简,y .曾“实际(t,n多秘密分享方案。”IEICE交易基础电子、通信和计算机科学,卷83,不。12日,第2765 - 2762页,2000年。视图:谷歌学术搜索

版权

版权©2020 Shu-Chuan楚等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。