数据科学论文翻译笔记5-降低易受攻击性以保护社交网站用户隐私

主要内容：

从单个用户的角度定义一个易受攻击的朋友，取决于其隐私设置是否保护自己及其好友。

文章通过定义四个指数，将会使用户V指数降低的朋友定义为易受攻击的朋友。四个指数分别为：
I指数（个人指数）：估计用户通过允许其他用户访问个人属性而引起的隐私风险；
C指数（社区指数）：通过使社区属性对其他用户可见，用户可以对他们的朋友造成多大的威胁；
P指数（公共/可见指数）：P指数是I指数和C指数的函数；
V指数（易受攻击性指数）：取决于用户自己和用户朋友的P指数。

实验抓取脸书用户配置文件创建数据集，该数据集包含2,056,646个用户的个人简介，为方便起见，从数据集随机抽取十万用户进行实验。

我们根据V指数大小对所有用户进行排序，然后比较删除八种朋友（最易受攻击、前两个最易受攻击、最不易受攻击、V指数最低、P指数最高、前两个P指数最高、V指数最高、前两个V指数最高）前后用户的V指数，以及删除最易受攻击朋友与删除其他七种朋友的用户V指数比较。另外，选择了三个分别十万的数据集来研究添加新朋友后用户V指数的变化。具体结果如下图显示：

---

---

未来研究：

用户易受攻击性在社交网站的作用，易受攻击朋友和强关系朋友的关系，平衡社交网站的隐私保护和社交效用。

原文：

Exploiting Vulnerability to Secure User Privacy on a Social Networking Site
链接：https://pan.baidu.com/s/1DxEvKWPjg3wl3PZ29CdkWA