$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

온라인 커뮤니티 사용자의 행동 패턴을 고려한 동일 사용자의 닉네임 식별 기법
A Method for Identifying Nicknames of a User based on User Behavior Patterns in an Online Community

정보과학회논문지 = Journal of KIISE, v.45 no.2, 2018년, pp.165 - 174  

박상현 (서강대학교 컴퓨터공학과) ,  박석 (서강대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

온라인 커뮤니티란 SNS와 달리 사용자들이 닉네임을 통해 익명으로 관심사와 취미를 공유하는 가상 그룹 서비스이다. 그런데 이런 익명성을 악의적으로 활용하는 사용자들이 존재하고, 닉네임의 변경으로 인해 동일 사용자의 데이터가 서로 다른 닉네임에 존재하는 데이터 파편화 문제가 발생할 수 있다. 또한 온라인 커뮤니티에서는 닉네임을 변경하는 일이 빈번하므로 동일 사용자를 식별하는데 어려움을 겪는다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 온라인 커뮤니티 특성을 고려한 사용자의 행동 패턴 특징 벡터를 제시하며, 관계 패턴이라는 새로운 암시적 행동 패턴을 제안함과 동시에 랜덤 포레스트 분류기를 이용한 동일 사용자의 닉네임을 식별하는 기법을 제안한다. 또한 실제 온라인 커뮤니티 데이터를 수집해 제안한 행동패턴과 분류기를 이용해 동일 사용자를 유의미한 수준으로 식별할 수 있음을 실험적으로 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

An online community is a virtual group whose members share their interests and hobbies anonymously with nicknames unlike Social Network Services. However, there are malicious user problems such as users who write offensive contents and there may exist data fragmentation problems in which the data of...

주제어

#온라인 커뮤니티   #행동 패턴   #사용자 식별   #악의적 사용자   #데이터 파편화   #기계학습  

참고문헌 (18)

  1. Brown, J., Broderick, A. J. and Lee, N., "Word of Mouth Communication within Online Communities: Conceptualizing the Online Social Network," Journal of Interactive Marketing, Vol. 21, No. 3, pp. 2-20, 2007. 

    상세보기

  2. Korea Information Society Development Institute, "Comparison of Social Relationship Formation Mechanism between SNS and Online Community," pp. 70-72, 2012. (in Korean) 

  3. Korea Internet & Security Agency, "2015 Survey of the Internet Usage," pp. 65-66, 2015. (in Korean) 

  4. Daeseon Choi, Seok Hyun Kim, Jin-Man Cho, Seung-Hun Jin, "Big Data Privacy Risk Analysis," Review of KISSC, Vol. 13, No. 2, 2013. 6. (in Korean) 

  5. Arthur, C. (2006). What is the 1% rule? In The guardian. UK: Guardian News and Media. 

  6. Perito, D., Castelluccia, C., Kaafar, M. A., & Manils, P. "How unique and traceable are usernames?," International Symposium on Privacy Enhancing Technologies Symposium, pp. 1-17, Jul. 2011. 

  7. Zafarani, R, Liu, H. "Connecting users across social media sites: a behavioral-modeling approach," Proc. of the 19th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 41-49, Aug. 2013. 

  8. Malhotra, A., Totti, L., Meira Jr, W., Kumaraguru, P., Almeida, V., "Studying user footprints in different online social networks. In Advances," 2012 IEEE/ACM International Conference on Social Networks Analysis and Mining (ASONAM), pp. 1065-1070, Aug. 2012. 

  9. Mu, X., Zhu, F., Lim, E. P., Xiao, J., Wang, J., Zhou, Z. H., "User Identity Linkage by Latent User Space Modelling," Proc. of the 22th ACM SIGKDD international conference on Knowledge discovery and data mining, Aug. 2016. 

  10. Yutao Z., Jie T. Zhilin Y., Jian P,, Philip. S., "Cosnet: Connecting heterogeneous social networks with local and global consistency," Proc. of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1485-1494, Aug. 2015. 

  11. Iofciu, T., Fankhauser, P., Abel, F., Bischoff, K. "Identifying Users Across Social Tagging Systems," Proc. of the Fifth International AAAI Conference on Weblogs and Social Media, pp. 522-525, Jul. 2011. 

  12. Goga, O., Lei, H., Parthasarathi, S. H. K., Friedland, G., Sommer, R., Teixeira, R., "Exploiting innocuous activity for correlating users across sites," Proc. of the 22nd international conference on World Wide Web, pp. 447-458, May. 2013. 

  13. Liu S., Wang S., Zhu F., Zhang J., Krishnan R., "Hydra: Large-scale social identity linkage via heterogeneous behavior modeling," Proc. of the 2014 ACM SIGMOD, pp. 51-62, Jun. 2014. 

  14. Ioffe, S. Improved consistent sampling, "weighted minhash and l1 sketching," 2010 IEEE 10th International Conference on Data Mining (ICDM), pp. 246-255, Dec. 2010. 

  15. Keogh, E., "Exact indexing of dynamic time warping," Proc. of the 28th international conference on Very Large Data Bases, pp. 406-417, Aug. 2002. 

  16. Breiman, L, "Random forests," Machine learning, Vol. 45, No. 1, pp. 5-32. 2001. 

    crossref

  17. https://en.wikipedia.org/wiki/Confusion_matrix 

  18. Gilles Louppe, "Understanding Random Forests: From Theory To Practice," PhD thesis, University of Liege, pp. 87-98, Jul. 2014. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로