Is a social network users behavior unique? 2 1 8/9/14 Has - - PDF document
8/9/14 Social Fingerprinting: Identifying Users of Social Networks by their Data Footprint The University of Tennessee Electrical Engineering and Computer Science Dissertation Defense Denise Koessler Gosnell Is a social network
8/9/14 ¡ 1 ¡
Social Fingerprinting:
Identifying Users of Social Networks by their Data Footprint
The University of Tennessee Electrical Engineering and Computer Science Dissertation Defense Denise Koessler Gosnell
Is a social network user’s behavior unique?
2
8/9/14 ¡ 2 ¡
Has social data made anonymity impossible?
U.S. ¡adults’ ¡loca4on ¡ is ¡known ¡via ¡their ¡ mobile ¡phone ¡
MIT ¡T.R. ¡
U.S. ¡young ¡adults ¡ carry ¡their ¡phone ¡ wherever ¡they ¡go ¡
AT&T ¡
3
Outline:
4
8/9/14 ¡ 3 ¡
A Social Fingerprint
Social ¡Network ¡User ¡A ¡ Social ¡Network ¡User ¡B ¡
5
Why is this hard?
6
8/9/14 ¡ 4 ¡
?? ¡
Why is this hard?
7
Previous Work
INDUSTRY
§ IBM Watson SMSim § Topology Statistics § Private Companies § …?
ACADEMIA
§ Bounds of Human Privacy, MIT § SNAP Project, Stanford § Graph Modeling Libraries § Simulated topologies and statistics
8
8/9/14 ¡ 5 ¡
The Model
§ Connectivity? § Time? § Multiple Edges? § Empirical Data vs. Assumptions?
9
The Model
Build ¡network ¡ Node ¡Distribu4on ¡ Construct ¡Nodes ¡ Build ¡Edges ¡ Simulate ¡Weight ¡
10
8/9/14 ¡ 6 ¡
Scale-free Distribution
11
The Base Model
Random ¡Graph ¡ Scale-‑Free ¡Graph ¡ Hierarchical ¡Graph ¡
12
8/9/14 ¡ 7 ¡
Multiple Edges
13
Dynamic Edges
𝐻↓1 ¡ 𝐻↓2 ¡ 𝐻↓3 ¡
14
8/9/14 ¡ 8 ¡
Simulating Edge Weights
15
Maximal Diffusion Algorithm
16
8/9/14 ¡ 9 ¡
Maximal Diffusion Algorithm
17
Maximal Diffusion Algorithm
18
8/9/14 ¡ 10 ¡
SOcial Fingerprint Analysis Software (SOFAS)
SOFAS ¡ Ini4alize ¡ Build ¡network ¡ Translate ¡network ¡ Apply ¡Distribu4on ¡ Construct ¡Nodes ¡ Build ¡Edges ¡ Distribute ¡Weight ¡ Fingerprint ¡Users ¡
19
SOFAS: Phases 1 & 2
SOFAS ¡ Ini4alize ¡ Build ¡network ¡ Translate ¡network ¡ Apply ¡Distribu4on ¡ Construct ¡Nodes ¡ Build ¡Edges ¡ Distribute ¡Weight ¡ Fingerprint ¡Users ¡
20
8/9/14 ¡ 11 ¡
SOFAS: Phases 3 and 4
SOFAS ¡ Ini4alize ¡ Build ¡network ¡ Translate ¡network ¡ Apply ¡Distribu4on ¡ Construct ¡Nodes ¡ Build ¡Edges ¡ Distribute ¡Weight ¡ Fingerprint ¡Users ¡
21
SOFAS: Phase 5
SOFAS ¡ Ini4alize ¡ Build ¡network ¡ Translate ¡network ¡ Apply ¡Distribu4on ¡ Construct ¡Nodes ¡ Build ¡Edges ¡ Distribute ¡Weight ¡ Fingerprint ¡Users ¡
22
8/9/14 ¡ 12 ¡
SOFAS: Memory Performance
23
SOFAS: Time
24
8/9/14 ¡ 13 ¡
SOFAS: Diffusion Time
25
SOFAS: Distribution Error
26
8/9/14 ¡ 14 ¡
Scale-free Distribution
27
SOFAS: Distribution Error
28
8/9/14 ¡ 15 ¡
Social Fingerprinting: Identifying the Individual
29
The Theory
30
8/9/14 ¡ 16 ¡
The Theory
31
The Theory
32
8/9/14 ¡ 17 ¡
Social Fingerprint Procedure:
neighborhood graph
determine candidate prints
33
Print Construction
34
8/9/14 ¡ 18 ¡
Print Construction
Training ¡Data ¡ Tes4ng ¡Data ¡
35
Intersection Score
36
8/9/14 ¡ 19 ¡
Subgraph Matching
37
All Ranking Functions
Node Based
§ Intersection § Graph Matching § Hamming Distance
Edge Based
§ Absolute Difference § Percent Difference § Euclidean Distance § Euclidean Distance, threshold based § Euclidean Distance, inverse sum
Ensemble Style
§ BCS § Olympic Score
38
8/9/14 ¡ 20 ¡
Graph Prints: Test Cases
§ Number of People: 1K, 10K, 100K § Length of time: 6 § Attrition on relationships: varies § Training/Testing Split: varies § Model Types: Binary and Weighted § Total trials: 57,000 example graphs
39
Validation of Approach
A7ri8on ¡of ¡rela8onships ¡ Correct ¡Construc8ons ¡
40
8/9/14 ¡ 21 ¡
Ranking Function Performance
A7ri8on ¡of ¡rela8onships ¡ Correct ¡Iden8fica8ons ¡
41
Best of the Best
42
8/9/14 ¡ 22 ¡
Social Fingerprinting: Picking the individual out of crowd
43
What does this look like?
44
8/9/14 ¡ 23 ¡
Social Fingerprint Procedure:
to yield rank-k approximation
45
0 ¡ 2 ¡ 3 ¡ 4 ¡ 1 ¡
Time ¡t ¡
46
8/9/14 ¡ 24 ¡
0 ¡ 2 ¡ 3 ¡ 4 ¡ 1 ¡
Time ¡t ¡
47
0 ¡ 2 ¡ 3 ¡ 4 ¡ 1 ¡
Time ¡t ¡+ ¡1 ¡
48
8/9/14 ¡ 25 ¡
Semidiscrete Decomposition (SDD)
[Kolda and O’Leary 1998]
49
V[0] V[1] V[2] V[3] V[4]
q[0]
0.8467 0.8467
0.5319
q[1]
0.0704
0.9859 0.9859
0.9859 0.1516 0.9859
q[2]
0.2095
0.9778 0.9778 0.9778 0.9778 0.9778 0.9778
q[3]
0.2454
0.9693 0.9693
q[4]
0.1414
0.9899 0.9899 0.9899 0.9899 0.9899 0.9899
Validation: qt+1[j]*V(t)[i]
50
8/9/14 ¡ 26 ¡
SDD: Test Cases
§ Number of People: 100, 500 or 1,000 § Length of time: 12 § Attrition on relationships: 37% § Low Rank Approximation rank: varies § Training/Testing Split: varies § Total trials: 84,000
51
Binary Model Results
52
8/9/14 ¡ 27 ¡
Weighted Model Results
53
Binary vs Weighted Model Error
54
8/9/14 ¡ 28 ¡
SDD: Case Study
§ Number of People: 100 § Length of time: 12 § Attrition on relationships: 37% § Low Rank Approximation rank: 75% § Training/Testing Split: 50/50
55
SDD: Case Study Results
§ Binary Model Accuracy: 81% § Weighted Model Accuracy: 27% WM: ¡Incorrect ¡ WM: ¡Correct ¡ BM: ¡Incorrect ¡ 12 ¡ 7 ¡ BM: ¡Correct ¡ 61 ¡ 20 ¡
56
8/9/14 ¡ 29 ¡
Model Insights
Binary ¡Model ¡ ¡ Similarity ¡Matrix ¡ Weighted ¡Model ¡ ¡ Similarity ¡Matrix ¡
57
Accomplishments and Contributions
§ Introduced a novel problem § Created and released a modeling environment: SOFAS § Modeled and defined first approaches for social fingerprint identification
58
8/9/14 ¡ 30 ¡
Open Research
§ New models for social fingerprint detection § Additional features and graph statistics of the SOFA software § Fingerprint Evasion
59
Acknowledgements
60
8/9/14 ¡ 31 ¡
Social Fingerprinting:
Identifying Users of Social Networks by their Data Footprint
The University of Tennessee College of Engineering Dissertation Defense
(Nerdery)