초록 열기/닫기 버튼
무선 인터넷의 발전과 스마트폰의 대중화에 따라 많은 사람들이 온라인을 통해 사람들과의 관계를 맺는 소셜 네트워크 서비스를 사용하고 있다. 소셜 네트워크 서비스에서 발생하는 개인 데이터는 높은 가치를 지니고 있지만 동시에 민감한 개인정보를 담고 있어 프라이버시 침해가 발생할 가능성이 있다. 개인정보침해를 방지함과 동시에 소셜 네트워크 상의 데이터를 분석하기 위하여 기존 연구는 원본 네트워크 데이터와 유사한 가상 데이터를 생성하거나, 사용자 정보를 익명화하여 배포하는 기법을 제시하였다. 그러나 기존 기법들은 소셜 네트워크 상의 사용자들이 맺는 관계에 의해 형성되는 그래프의 특성을 고려하지 않아 프라이버시와 데이터 유용성 모두에서 약점을 지니고 있다. 본 논문에서는 소셜 네트워크의 그래프 상의 특성을 반영함과 동시에 신뢰할 수 있는 써드파티가 아닌 데이터를 제공하는 개인 수준에서 직접 데이터 보호 기법을 적용하여 제공하는, 프라이버시가 보호된 소셜 네트워크 데이터 배포 기법을 제안한다. 우리는 실제 네트워크 데이터를 사용한 실험을 통하여 제안 기법이 기존의 차분 프라이버시를 적용한 기법들보다 성능이 향상됨을 보였다.
With the development of the wireless Internet and popularization of smartphones, many people are using social network services that connect with others in online. Personal data generated by social network services have high value, but comprise sensitive personal information that could potentially result in serious privacy breaches. The existing studies have presented techniques for generating synthetic data similar to the original network data, or anonymous user information. However, the existing techniques have inherent weaknesses in privacy and data utility because such techniques have not considered the characteristics of network graphs formed by relationships with users. In this paper, we propose the privacy-protected social network data distribution techniques by applying local differential privacy techniques that reflect the characteristics on the social network graph. Through experiments with real data, we have shown that the proposed techniques perform better than the existing differentially private social network data distribution techniques.
키워드열기/닫기 버튼
personal information protect, social network, differential privacy, grouping
