基于个人数据基本理解和不断变化的威胁环境的隐私风险预测.pdfVIP

基于个人数据基本理解和不断变化的威胁环

境的隐私风险预测

HaoranNiuK.SuzanneBarber

UniversityofTexasatAustin

{haoranniu,sbarber}@utexas.edu

摘要—个人和组织在没有对相对隐私风险有基本了解的情是因为个人和机构通常为隐私保护分配的时间、精力和

况下，很难保护个人信息。通过分析超过5,000个实际的身份盗财力资源有限。

窃和欺诈案例，这项研究确定了哪些类型的个人数据被暴露、暴

本研究基于一个前提，即如果个人和组织对披露

露的频率以及这些暴露的后果是什么。我们构建了一个身份生态

PII所导致的隐私风险有更根本的理解和更准确的评

本系统图——一个基础性的图形模型，在该模型中节点代表可识别估，他们将能够更好地保护这些信息。此外，更好的个

个人的信息(PII)属性，边则表示它们之间的实际披露关系（例

译如，当另一个PII属性被暴露时，某一PII属性被暴露的概率）。人数据共享风险分析将为广泛的信息安全和隐私应用

中利用这个图形结构，我们开发了一个隐私风险预测框架，该框架提供指导。

1使用图论和图神经网络来估计某些PII属性受到损害时进一步本研究通过评估泄露相应数据的后果来确定哪些

v披露的可能性。结果显示我们的方法有效地回答了核心问题：给

2数据需要最高等级的保护。具体而言，它分析当个人或

4定的身份属性的披露是否可能引发另一个属性的披露？组织分享或丢失某个PII属性时所面临的隐私风险。我

5IndexTerms—隐私保护，风险预测，链路预测算法，图

4神经网络，图卷积网络，深度学习，身份图们主要寻求回答的问题是：披露某个PII属性（如出

0

.生日期）是否会导出另一个属性（如ATM密码）的披

8

0I.介绍露？？每个PII属性都与其相关的风险值相关联[1][5]。

5不同个体和组织拥有不同的个人可识别信息(PII)通过评估可能泄露的PII属性的风险分数，我们可以基

2

:集合，因此在哪些PII属性更易受攻击、更有价值以及于披露的实际数据提供一个量化的隐私风险预测。

v

i

x需要更多保护方面有不同的看法。一个个体的PII包括为了提供这些量化隐私风险的预测，我们利用图

r

a四个不同类别的个人数据——你知道的（例如，姓名、论。许多已广泛研究的网络，如交通网络和社会网络，

地址、电话号码、母亲的婚前姓氏）、你拥有的（例如，都是使用图[6][7]进行分析的。类似于这些网络，PII

驾驶执照、社会保险卡、员工ID、护照）、你是谁（例属性之间存在连接和关系。本研究将每个PII属性表

如，指纹、声音、面部图像）以及你所做的（例如，访示为图中的一个节点。有向图边代表两个PII属性之

问过的网站、GPS位置记录、通话日志）[1]。间的披露/暴露关系——具体来说，一个PII属性（例

保护个人识别信息（PII）数据可能会耗费大量成如出生日期）的披露可能导致另一个PII属性（例如地

本和时间。研究揭示了多种策略以降低意外数据泄露的址）被暴露的概率。我们将这种具有披露/暴露有向边

风险[2]，包括统计披露限制（SDL）技术，这是国家统的PII节点图称为身份生态系统图。

计机构在发布公共使用数据集之前常用的方法。同时，在构建身份生态系统图之后，我们创建并训练了三

关于数据自毁的研究侧重于保护选择云