Resumen

Los motores de búsqueda web suelen mantener perfiles de usuarios para múltiples propósitos, como la clasificación y relevancia de los resultados, la investigación de mercado y la publicidad dirigida. Sin embargo, el historial de búsqueda web de un usuario puede contener información sensible y privada sobre el usuario, como su estado de salud, intereses personales y afiliaciones, lo que puede infringir la privacidad de los usuarios, ya que la identidad de un usuario podría ser expuesta y utilizada indebidamente por terceros. Existen numerosas técnicas disponibles para abordar las infracciones de privacidad, incluidos los protocolos de Recuperación de Información Privada (PIR) que utilizan nodos pares para preservar la privacidad. Anteriormente, hemos demostrado que los protocolos de PIR son vulnerables al Ataque QuPiD. En esta investigación, propusimos el Ataque NN-QuPiD, una versión mejorada del Ataque QuPiD que utiliza un modelo basado en Redes Neuronales Artificiales (RNN) para asociar consultas con sus usuarios originales. Los resultados muestran que

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Motores de búsqueda web; Perfiles de usuario; Infracción de privacidad; Recuperación de información privada; Ataque QuPiD; Red neuronal artificial
• Keywords:Web search engines; User profiles; Privacy infringement; Private information retrieval; QuPiD attack; Artificial neural network