文献

J-GLOBAL ID：202002223768132802   整理番号：20A2690942

ソーシャルメディアに関する関係背景知識からの情報曝露【JST・京大機械翻訳】

Information Exposure From Relational Background Knowledge on Social Media

著者 (3件)： Liu Shuo (Georgetown University,Washington,D.C,USA) ,  Singh Lisa (Georgetown University,Washington,D.C,USA) ,  Tian Kevin (Georgetown University,Washington,D.C,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DSAA  ページ： 282-291  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 一部のユーザは大量の情報を共有するが,他は非常に小さい。しかし,限られた量の共有であっても,ユーザは,まだ高いレベルの曝露を持つかもしれない。以前の研究では,性別のような特定の属性に対して,敵対は,そのコミュニティの大多数投票を,または類似のプロファイルを持つサイト母集団において他を見つけることによって,目標の隠れ属性値を決定することができることを示している。しかしながら,いくつかの属性のために,これらの攻撃はコミュニティにおける属性値の多様性のために失敗する。本論文では,ターゲット関係背景集合を用いて,目標の隠れ属性に対する敵対的構築推論モデルを示す,新しいプライバシー攻撃(RBA)を提案した。これは,隠れ属性を推論するための重要な局所特徴を捉える「バイアス」モデルの構築を可能にする。著者らは,Twitterデータセットを用いて,関係背景集合(局所コミュニティ)の特殊ケースに対するこの攻撃の有効性を実験的に実証した。次に,敵対者が目標の地域コミュニティの異なる部分集合にアクセスしている場合について考慮し,攻撃が目標の局所コミュニティの特定の近似で効果的に実行できることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コミュニティ ,  地域社会 ,  プライバシー ,  投票 ,  バイアス ,  *母集団 ,  有効性
準シソーラス用語： 敵意 ,  敵対者 ,  *ソーシャルメディア ,  ツイッター ,  局所特徴 , 【Automatic Indexing@JST】

分類 (5件)： 音声処理  (JE05000E) ,  符号理論  (ND02030R) ,  図形・画像処理一般  (JE04010I) ,  専用演算制御装置  (JC04030Y) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ソーシャルメディア ,  背景知識 ,  曝露