18、现实窃取：数据时代的社交网络安全危机

现实窃取：数据时代的社交网络安全危机

1. 背景与相关工作

近年来，社会科学正经历一场数字革命，“计算社会科学”这一新兴领域引领着这一变革。计算社会科学结合了网络科学的前沿技术与专门用于理解人类行为和社会互动的机器学习及模式识别工具，以前所未有的广度、深度和规模提升我们对个人、群体和社会的认知。

移动电话的普及使其成为无处不在的社交传感器，可收集位置、接近度和通信等信息。“现实挖掘”这一术语描述了对人类社交行为相关传感器数据的收集。通过收集个人移动电话的通话记录、蜂窝塔 ID 和蓝牙接近度日志，可以准确检测出受试者的社交网络及其日常活动的规律模式。电信公司的移动电话记录对于揭示个人层面的信息非常有价值，例如，蜂窝塔位置信息可用于描述人类的移动性，研究发现人类遵循简单的可重复移动模式。此外，个人关系的多样性与社区的经济发展水平密切相关。

数据收集有两种途径。通过服务提供商收集的数据涉及大量受试者，但这些信息局限于特定领域，且缺乏关于受试者的上下文信息。而从个人层面收集数据则可以获取更多与最终用户相关的维度信息，这些信息通常在运营商层面是无法获得的。一些研究还利用移动社交传感技术，根据个人的移动和通信模式来测量和预测个人的健康状况，以及研究社区内政治观点的传播。目前，像 Sense Networks 这样的公司已经在商业领域应用这些工具，以了解客户流失情况、增强定向广告效果并提供更好的个性化服务。随着移动电话平台的技术进步和移动软件开发工具包（SDK）的普及，现实挖掘数据的收集变得前所未有的容易。

2. 现实窃取：威胁模型

在本文讨论中，“现实信息”指的是关于人类个人和社交行为的推断信息，包括：
- 节点信息 <