Strukturális deanonimizációs algoritmusok elemzése és fejlesztése

OData támogatás
Konzulens:
Dr. Gulyás Gábor György
Hálózati Rendszerek és Szolgáltatások Tanszék

Napjainkban a közösségi hálók felhasználói egyre több információt osztanak meg magukról. Ezekhez az információkhoz számos fél hozzáférhet. A hálózat üzemetetője kutatási célra közzé teheti az információkat vagy eladhatja ipari partnereinek. Ilyenkor a felhasználók privátszférájának védelme érdekében az egyértelmű azonosítókat eltávolítják, vagyis nevet, címet, e-mail címet nem közölnek.

Az ilyen módon elvégzett anonimizáció azonban visszafordítható. Léteznek olyan algoritmusok, amelyek a hálózat struktúrája alapján egy háttérismereti hálózat segítségével képesek az anonim felhasználókat összekötni valós identitásukkal.

Dolgozatomban először a jelentősebb algoritmusokat ismertetem, majd kiválasztom a state-of-the-art algoritmust. Ezután ismertetem a mérésekhez kifejlesztett keretrendszert illetve a mérések módszertanát.

A state-of-the-art algoritmus fejlesztéseként két új algoritmust javasolok. Ezek a Grasshopper és a Bumblebee, melyeket az ismertetett módszertan segítségével összehasonlítok a state-of-the-art algoritmussal. Rávilágítok az új algoritmusok előnyeire illetve hátrányaira.

Méréseimből kiderül, hogy a Grasshopper jelentősen javít a hibaarányon és kisebb kezdeti információ mellett is képes működni, miközben futási időben jól skálázódik. Továbbá, hogy a Bumblebee akár már egyetlen kezdeti párosítás megadásával is képes működni, illetve hibaaránya és hozama közötti kompromisszum széles skálán állítható.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.