3、用户名的独特性与可追溯性及文本分类在数据防泄漏中的应用

用户名的独特性与可追溯性及文本分类在数据防泄漏中的应用

用户名的独特性与可追溯性

在当今数字化时代，用户名成为了我们在网络世界中的重要标识。那么，用户名究竟有多独特，又是否容易被追溯呢？

首先，我们可以将用户名看作是由一个个“du”这样的构建块组成的字符串。通过特定的相似度度量方法，可以计算两个用户名之间的相似度，这种方法在文献中被称为q - 克相似度。不过，它原本是用于数据库应用中的模糊字符串匹配，将其应用于在线画像则是一种新的尝试。

为了评估仅通过用户名来关联两个不同账户的准确性，研究人员设计并构建了一个分类器。这个分类器的任务是区分已关联的用户名对集合L和未关联的用户名对集合NL。在测试中，真实证据来源于Google个人资料，其中已关联的用户名对数量|L|为10000。为了在真实场景中公平评估分类器的性能，还随机配对了10000个未关联的用户名来生成NL集合。具体操作流程如下：
1. 将用户名对分离并打乱顺序。
2. 构建一个由L和NL中的用户名组成的列表。
3. 对于列表中的每个用户名，计算它与其他所有用户名的距离，并只保留与相似度最高的单个用户名的链接。
4. 如果这个相似度值高于某个阈值，则认为该候选对是已关联的；否则，认为是未关联的。

对于这个二元分类器的性能评估，主要从精确率（Precision）和召回率（Recall）两个方面进行。精确率的计算公式为：$Precision = \frac{TP}{TP + FP}$，其中TP表示真正例，FP表示假正例；召回率的计算公式为：$Recall = \frac{TP}{TP + FN}$，FN表示假反例。召回率衡量的是在所有已关联的用户名对中，被正确分类为已关联