सामाजिक नेटवर्क के साथ वेब ब्राउज़िंग डेटा का डी-अनोनिमाइजेशन

क्या ऑनलाइन ट्रैकर्स और नेटवर्क विरोधी वेब ब्राउज़िंग डेटा को आसानी से डी-अनोनिमाइज कर सकते हैं? हम दिखाते हैं---सैद्धांतिक रूप से, सिमुलेशन के माध्यम से, और वास्तविक उपयोगकर्ता डेटा पर प्रयोगों के माध्यम से---कि डी-आईडेंटिफाइड वेब ब्राउज़िंग इतिहास को केवल सार्वजनिक रूप से उपलब्ध डेटा का उपयोग करके सोशल मीडिया प्रोफाइल से जोड़ा जा सकता है। हमारा दृष्टिकोण एक सरल अवलोकन पर आधारित है: प्रत्येक व्यक्ति का एक विशिष्ट सामाजिक नेटवर्क होता है, और इस प्रकार किसी की फीड में दिखाई देने वाले लिंक्स का सेट अद्वितीय होता है। मानते हुए कि उपयोगकर्ता अपने फीड में लिंक्स पर एक यादृच्छिक उपयोगकर्ता की तुलना में अधिक संभावना से जाते हैं, ब्राउज़िंग इतिहास पहचान के संकेतों के साथ होते हैं। हम इस अंतर्दृष्टि को वेब ब्राउज़िंग व्यवहार के एक मॉडल को निर्दिष्ट करके औपचारिक बनाते हैं और फिर एक उपयोगकर्ता के सामाजिक प्रोफाइल का अधिकतम संभावना अनुमान निकालते हैं। हम इस रणनीति का मूल्यांकन सिमुलेटेड ब्राउज़िंग इतिहास पर करते हैं, और दिखाते हैं कि ट्विटर से उत्पन्न 30 लिंक्स के साथ एक इतिहास दिए जाने पर, हम 50% से अधिक समय में संबंधित ट्विटर प्रोफाइल का अनुमान लगा सकते हैं। इस दृष्टिकोण की वास्तविक दुनिया में प्रभावशीलता का आकलन करने के लिए, हमने अपने वेब ब्राउज़िंग इतिहास दान करने के लिए लगभग 400 लोगों को भर्ती किया, और हम उनमें से 70% से अधिक को सही ढंग से पहचानने में सक्षम रहे। हम यह भी दिखाते हैं कि कई ऑनलाइन ट्रैकर्स इतने सारे वेबसाइटों पर एम्बेडेड हैं कि इस हमले को उच्च सटीकता के साथ अंजाम दिया जा सकता है। हमारा सैद्धांतिक योगदान किसी भी प्रकार के लेन-देन डेटा पर लागू होता है और शोर वाले अवलोकनों के लिए मजबूत है, पिछले डी-अनोनिमाइजेशन हमलों की एक विस्तृत श्रृंखला को सामान्य करता है। अंततः, चूंकि हमारा हमला 300 मिलियन से अधिक उम्मीदवारों में से सही ट्विटर प्रोफ़ाइल खोजने का प्रयास करता है, यह---हमारे ज्ञान के अनुसार---अब तक का सबसे बड़े पैमाने पर प्रदर्शित डी-अनोनिमाइजेशन है।