論文の概要: Unique on Facebook: Formulation and Evidence of (Nano)targeting
Individual Users with non-PII Data
- arxiv url: http://arxiv.org/abs/2110.06636v2
- Date: Sat, 16 Oct 2021 16:27:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 14:51:45.443966
- Title: Unique on Facebook: Formulation and Evidence of (Nano)targeting
Individual Users with non-PII Data
- Title（参考訳）: Facebook上のユニーク:(Nano)非PIIデータによる個人ターゲットの定式化とエビデンス
- Authors: Jos\'e Gonz\'alez-Caba\~nas, \'Angel Cuevas, Rub\'en Cuevas, Juan
L\'opez-Fern\'andez, David Garc\'ia
- Abstract要約: データ駆動モデルを定義して、Facebook上でユニークにするユーザからの関心の数を定量化します。
私たちの知る限りでは、これは世界人口規模での個人の独特性に関する最初の研究である。
この論文の著者3人を対象に、21のFacebook広告キャンペーンを通じて実験を行っている。
- 参考スコア（独自算出の注目度）: 0.10799106628248668
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The privacy of an individual is bounded by the ability of a third party to
reveal their identity. Certain data items such as a passport ID or a mobile
phone number may be used to uniquely identify a person. These are referred to
as Personal Identifiable Information (PII) items. Previous literature has also
reported that, in datasets including millions of users, a combination of
several non-PII items (which alone are not enough to identify an individual)
can uniquely identify an individual within the dataset. In this paper, we
define a data-driven model to quantify the number of interests from a user that
make them unique on Facebook. To the best of our knowledge, this represents the
first study of individuals' uniqueness at the world population scale. Besides,
users' interests are actionable non-PII items that can be used to define ad
campaigns and deliver tailored ads to Facebook users. We run an experiment
through 21 Facebook ad campaigns that target three of the authors of this paper
to prove that, if an advertiser knows enough interests from a user, the
Facebook Advertising Platform can be systematically exploited to deliver ads
exclusively to a specific user. We refer to this practice as nanotargeting.
Finally, we discuss the harmful risks associated with nanotargeting such as
psychological persuasion, user manipulation, or blackmailing, and provide
easily implementable countermeasures to preclude attacks based on nanotargeting
campaigns on Facebook.
- Abstract（参考訳）: 個人のプライバシーは、第三者が自身のアイデンティティを明らかにする能力によって制限される。
パスポートIDや携帯電話番号などの特定のデータアイテムを使用して、個人を一意に識別することができる。
これらは個人識別情報(PII)と呼ばれる。
以前の文献では、数百万のユーザを含むデータセットでは、いくつかの非PIIアイテムの組み合わせ(個人を特定するのに十分ではない)がデータセット内の個人をユニークに識別できると報告されている。
本稿では,facebook上でユニークにするユーザの興味の数を定量化するデータ駆動モデルを定義する。
私たちの知る限りでは、これは世界人口規模での個人の個性に関する最初の研究である。
さらに、ユーザーの興味は、広告キャンペーンを定義し、Facebookユーザーにカスタマイズされた広告を提供するために使用できる非PIIアイテムである。
我々は、21のfacebook広告キャンペーンを通じて実験を行い、この論文の著者3人を対象に、広告主がユーザーから十分な関心を得られれば、facebook広告プラットフォームが特定のユーザーだけに広告を配信するために体系的に悪用される可能性があることを証明します。
これをナノターゲットと呼ぶ。
最後に, 心理的説得, ユーザ操作, 脅迫などのナノターゲットに対する有害なリスクについて論じ, Facebook 上でのナノターゲットキャンペーンに基づく攻撃の防止策として, 容易に実装可能な対策を提案する。
関連論文リスト
- How Unique is Whose Web Browser? The role of demographics in browser fingerprinting among US users [50.699390248359265]
ブラウザのフィンガープリントは、クッキーを使わずとも、Web上のユーザを識別し、追跡するために利用できる。
この技術と結果として生じるプライバシーリスクは10年以上にわたって研究されてきた。
我々は、さらなる研究を可能にするファースト・オブ・ザ・キンド・データセットを提供する。
論文 参考訳（メタデータ） (2024-10-09T14:51:58Z) - Evaluating Large Language Model based Personal Information Extraction and Countermeasures [63.91918057570824]
大規模言語モデル(LLM)は、攻撃者が個人プロファイルから様々な個人情報を正確に抽出するために誤用することができる。
LLMはそのような抽出において従来の方法より優れている。
即時注射は、そのようなリスクを広範囲に軽減し、従来の対策より優れている。
論文 参考訳（メタデータ） (2024-08-14T04:49:30Z) - On mission Twitter Profiles: A Study of Selective Toxic Behavior [5.0157204307764625]
本研究は「オンミッションプロファイル」と呼ばれる影響操作に使用される可能性のあるプロファイルを特徴付けることを目的とする。
128万件のTwitterやX、プロフィール、293万件のツイートの時系列データは、テーマの多様性に基づいたプロファイリングを可能にする。
論文 参考訳（メタデータ） (2024-01-25T15:42:36Z) - FedDMF: Privacy-Preserving User Attribute Prediction using Deep Matrix
Factorization [1.9181612035055007]
本稿では,ユーザマッチングを必要とせず,ユーザの属性を予測する新しいアルゴリズムを提案する。
我々のアプローチは、異なるクライアント上で深い行列分解モデルを訓練し、属性項目ベクトルのみを共有することである。
これにより、ユーザベクトル自体を共有することなく、ユーザ属性を予測できます。
論文 参考訳（メタデータ） (2023-12-24T06:49:00Z) - Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳（メタデータ） (2023-04-06T05:20:16Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - Subject Membership Inference Attacks in Federated Learning [4.377743737361996]
対象者推定のためのブラックボックス攻撃を2つ提案する。
正確なトレーニング記録にアクセスしなくても、攻撃は極めて強力なものだと考えています。
また、この脅威を緩和する上での差別化プライバシの有効性についても検討する。
論文 参考訳（メタデータ） (2022-06-07T14:06:12Z) - Behind the Mask: Demographic bias in name detection for PII masking [5.071136834627255]
市販の3種類のPIIマスキングシステムの性能を名前検出とリアクションで評価した。
オープンソースのRoBERTaベースのシステムでは、テストした商用モデルよりも相違が少ないことが分かりました。
エラー率が最も高かったのは、黒とアジア/太平洋の島民の名前である。
論文 参考訳（メタデータ） (2022-05-09T18:21:41Z) - Challenges and approaches to privacy preserving post-click conversion
prediction [3.4071263815701336]
この環境で変換モデルを学ぶ際の課題と制約について概説する。
本稿では,ポストグレード信号を利用したモデル学習手法を提案する。
実世界のデータに対してオフライン実験を用いることで、オプトインデータのみに依存するモデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T21:36:01Z) - Decision Making with Differential Privacy under a Fairness Lens [65.16089054531395]
アメリカ国勢調査局は、多くの重要な意思決定プロセスの入力として使用される個人のグループに関するデータセットと統計を公表している。
プライバシと機密性要件に従うために、これらの機関は、しばしば、プライバシを保存するバージョンのデータを公開する必要がある。
本稿では,差分的プライベートデータセットのリリースについて検討し,公平性の観点から重要な資源配分タスクに与える影響を考察する。
論文 参考訳（メタデータ） (2021-05-16T21:04:19Z) - Keystroke Biometrics in Response to Fake News Propagation in a Global
Pandemic [77.79066811371978]
本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。
フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
論文 参考訳（メタデータ） (2020-05-15T17:56:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。