文/龔真強 （Neil Gong）

社交網(wǎng)絡中的用戶屬性預測

文/龔真強 （Neil Gong）

學術專欄

Neil Gong

Neil Gong 2010年本科畢業(yè)于中國科學技術大學計算機系，2015年博士畢業(yè)于加州大學伯克利分校，師從國際著名計算機安全科學家Dawn Song。Neil Gong目前是愛荷華州立大學電子和計算機工程系助理教授。Neil Gong的研究方向主要包括社交網(wǎng)絡中的安全、隱私、以及挖掘，用戶認證，以及移動計算中的安全、隱私、以及挖據(jù)。Neil Gong的研究方法涉及大規(guī)模圖挖掘、機器學習、自然語言處理、以及應用密碼學。

社交網(wǎng)絡已經(jīng)成為不可或缺的網(wǎng)絡平臺。用戶用社交網(wǎng)絡相互通信、傳播信息、以及擴大社會影響力。在一個社交網(wǎng)絡中，一個用戶通常有朋友、行為數(shù)據(jù)、內容數(shù)據(jù)、以及屬性數(shù)據(jù)。舉例來說，行為數(shù)據(jù)可以是一個用戶喜歡過的網(wǎng)頁、電影、書或移動App。內容數(shù)據(jù)可以是一個用戶寫的博客、上傳的照片等。屬性數(shù)據(jù)包含用戶的身份、性別、年齡、性取向、政治傾向、宗教信仰等等。有些用戶在社交網(wǎng)絡中公開自己的朋友，行為，內容，以及屬性數(shù)據(jù)。然而有些用戶選擇不公開或者不提供自己的某些數(shù)據(jù)，比如各種屬性?？偟膩碚f，一個社交網(wǎng)絡可以看作是公開數(shù)據(jù)和隱私數(shù)據(jù)的結合。

本文介紹針對社交網(wǎng)絡用戶的屬性預測攻擊。屬性預測是社交網(wǎng)絡用戶面臨的一個嚴重的隱私和安全攻擊。在一個屬性預測攻擊中，攻擊者首先收集社交網(wǎng)絡中用戶的公開數(shù)據(jù)，然后利用機器學習、數(shù)據(jù)挖掘方法來預測目標用戶的隱私屬性。攻擊者可以是任何對用戶屬性感興趣的個人或組織，比如社交網(wǎng)絡供應商、廣告商、黑客、數(shù)據(jù)經(jīng)紀商等。社交網(wǎng)絡供應商和廣告商可以利用預測的屬性來提供定向廣告，從而提高盈利。黑客可以利用預測的屬性來進行定向的、更有效的社交工程攻擊，比如黑客如果知道一個用戶畢業(yè)的學校，黑客給這個用戶發(fā)送惡意網(wǎng)址的時候，可以將該網(wǎng)址描述為與該用戶學校相關的信息，從而提高用戶點擊惡意網(wǎng)址的概率。數(shù)據(jù)經(jīng)紀商可以將預測的屬性數(shù)據(jù)賣給廣告商、銀行，以及保險公司等，從而獲得經(jīng)濟利益。更為嚴重的是，攻擊者可以利用預測的屬性將用戶在不同社交網(wǎng)絡的賬戶關聯(lián)起來，甚至將網(wǎng)絡中的數(shù)據(jù)和線下數(shù)據(jù)關聯(lián)起來，形成更全面的用戶數(shù)據(jù)，從而造成更大的隱私和安全隱患。

1.基于寫作風格的作者身份預測

有些用戶在發(fā)表一些敏感的文字內容時，常常選擇匿名。這些敏感的文字可能涉及政治話題，或者敏感的個人生活、健康問題。所以，準確的預測這些敏感文字的作者會對作者造成極大的傷害。在網(wǎng)絡犯罪取證中，IP地址可以作為一個基本的定位作者的信息。然而，作者可以利用VPN，Tor等手段來回避基于IP地址的分析。

圖1　社交-行為-屬性異構圖示例

第一個攻擊基于寫作風格的作者身份預測攻擊[1]。該攻擊的理論基礎是不同作者有不同的寫作風格。具體的說，兩個作者在表達同一個事物時，會選擇不同的字或詞語，或者對同一個字的使用頻率有所不同。比方說，一個用戶會頻繁地使用“我”，而另一個用戶可能會頻繁的使用“我們”。從機器學習的角度來看，作者身份預測攻擊是一個多類分類的問題。首先，攻擊者收集一些公開的文件，比如博客。攻擊者從每一個文件中提取出刻畫寫作風格的特征。我們設計的特征包含某些特定刻畫寫作風格的詞的頻率、句子的語法結構等。提取出特征后，每一個文件被表示成一個高維的向量。然后攻擊者利用機器學習來訓練分類器去區(qū)分開各個用戶。簡單的說，給定一個文件，該分類器可以預測該文件的作者。當攻擊者得到一個匿名文件時，攻擊者首先提取出同樣的寫作風格特征來將該文件表示成一個高維向量，然后利用提前訓練好的分類器來預測該匿名文件的作者。

攻擊者可以使用任何分類器，比如說支持向量機。在文獻[1]中，我們嘗試了各種廣泛使用的分類器。我們發(fā)現(xiàn)，作者身份可以被準確的預測。具體地說，在我們的實驗中，我們考慮十萬個用戶。給定任意一個用戶的文件，我們可以在20%的情況下準確地預測這個文件的作者。對于某些文件而言，我們甚至可以在80%的情況下準確預測文件作者！如果一個攻擊者不使用我們的攻擊，而是隨意猜測，那么該攻擊者準確預測作者身份的概率只有十萬分之一。另外，在文獻[1]中，我們只使用了基本的分類器。攻擊者可以利用更強大的分類器（比如深度學習、集成分類器）來進一步提高準確率。

2.基于社交朋友和行為的屬性預測

第二個攻擊是基于社交朋友和行為的屬性預測攻擊[2]。常言道，物以類聚，人以群分。一個用戶的屬性和該用戶的朋友的屬性息息相關。舉例說，如果一個用戶一半的朋友畢業(yè)于加州大學伯克利分校，那么該用戶很大可能也是畢業(yè)于加州大學伯克利分校。另外如果一個用戶喜歡的應用App大部分被中國人喜歡，那么該用戶也很有可能來自于中國?；谶@些觀察，我們提出了利用用戶的朋友和行為數(shù)據(jù)來預測用戶的隱私屬性。

結合朋友和行為面臨很大的挑戰(zhàn)，因為這兩種數(shù)據(jù)有天壤之別。為了解決這個挑戰(zhàn)，我們提出了一個社交-行為-屬性的異構圖模型，把朋友、行為和屬性這三種迥然不同的數(shù)據(jù)結合在一起。圖1是一個社交-行為-屬性的異構圖示例。一個社交-行為-屬性的異構圖有三種類型的節(jié)點，分別對應用戶、行為對象和屬性值。相應的，一個社交-行為-屬性的異構圖有三種類型的邊，分別是用戶之間的邊、用戶和屬性值之間的邊、和用戶與行為對象之間的邊。用戶和屬性值之間的邊表示該用戶有該屬性值。用戶和行為對象之間的邊表示該用戶對該對象做出了某種行為，比如如果一個行為對象是一個移動App，那么行為可以是喜歡、評論?；谏缃?行為-屬性的異構圖模型，我們提出了一個新的基于圖挖掘的攻擊算法。對于一個目標用戶，我們的算法通過分析社交-行為-屬性異構圖的結構，得出每個屬性值屬于這個用戶的可能性，然后預測該目標用戶的屬性值。

通過在多于一百萬Google用戶的數(shù)據(jù)集上測試了我們的攻擊算法，這些數(shù)據(jù)中包含了用戶的Google+朋友、屬性值、以及喜歡過或者評論過的Google Play上的移動App、書、電影等。結果顯示，我們的攻擊算法可以在大約60%的情況下準確預測一個用戶所居住的城市。對于某些用戶，準確率甚至可以達到90%。

（作者單位為愛荷華州立大學電子和計算機工程系）

[1]Arvind Narayanan，Hristo Paskov，Neil Zhenqiang Gong，John Bethencourt，Richard Shin，Emil Stefanov，Dawn Song.“On the Feasibility of Internet-Scale Author Identification”. In IEEE Symposiumon Security&Privacy，2012.

[2]Neil Zhenqiang Gong，Bin Liu.“You are Who You Know and How You Behave：Attribute Inference Attacks via Users‘ Social Friends and Behaviors”. In USENIX Security Symposium，2016.