A16 - SNSから漏れるプライバシー情報の調査 菊池研究室 宮井 一樹
SNSとは？ Social Networking Service Mixi Gree MySpace など。
SNSの問題点
研究の目的 実体を明らかにし、 ユーザーに警告する。
情報収集 http://mixi.jp/show_friend.pl?id=ランダムID 名前 出身地 現住所 IDネーム 年齢 ログイン時間 年齢 血液型 趣味 職業 自己紹介 出身小学校 出身中学校 その他 コミュニティ
比較方法 項目別比較 年齢、血液型などで比較 モデル別比較 客観モデルと主観モデル２つの比較
項目別比較 出身校 記入者(4％) 血液型 記入者(74％) 職業 記入者(42％) 全体 出身地 市町村名記載 50％ 4/8 42％ 63/149 55％ 47/85 34％ 67/200 出身地県名記載 75％ 6/8 60％ 89/149 78％ 66/85 49％ 96/200 24時間以内 ログイン 63％ 5/8 47％ 70/149 52％ 44/85 28％ 55/200 年齢記載 78/149 64/85 45％ 90/200
出身校記入者属性 10代 1 20代 5 30代 その他 不明 2 A 3 B O AB 1 不明 年齢分布 血液型分布
客観モデル 日本の総人口：約127,687,000人 2^27=134,217,728 2^28=268,435,456 情報項目 絞り込み量[bit] 備考 本名 27 同姓同名を考慮しないと一意に決定できる 住所 26 ほぼ一意に決定できる 町名 14 47*17*30 市町村名 9 47*17 県名 6 47都道府県 日本の総人口：約127,687,000人 2^27=134,217,728 2^28=268,435,456
主観モデル 1 2 3 4 5 地域情報が一切漏えいしておらず、 特定が非常に困難である。 出身地、現住所の一方より 県名の情報が漏えいしている状態。 3 出身地、現住所の一方より市町村名漏えいして、 日記などを読めば特定できる可能性がある状態。 4 出身地、現住所の両方が漏えいしていて 地域が特定できる状態。 5 出身校などが漏えいしていて、 町名以下で地域が特定できる。
客観モデルと主観モデルの比較 主観モデル [level] 客観モデル 絞り込み量[bit]
例 31bit - レベル４の場合 26bit - レベル2の場合 性別 年齢 血液型 現住所 出身地 職業 趣味 合計 1bit 6bit = 31bit 男 ２０歳 A 三重県津市 学生 酒 26bit - レベル2の場合 性別 年齢 血液型 現住所 出身地 職業 趣味 合計 1bit 6bit 4bit = 26bit 男 ２０歳 A 三重県 学生 酒
まとめ １,６８３万ユーザー × ４％ = 673,200ユーザー 改善点 乱数のみプログラム ⇒情報収集までプログラム化