KR101519401B1 - 개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법 - Google Patents

개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법 Download PDF

Info

Publication number
KR101519401B1
KR101519401B1 KR1020137029167A KR20137029167A KR101519401B1 KR 101519401 B1 KR101519401 B1 KR 101519401B1 KR 1020137029167 A KR1020137029167 A KR 1020137029167A KR 20137029167 A KR20137029167 A KR 20137029167A KR 101519401 B1 KR101519401 B1 KR 101519401B1
Authority
KR
South Korea
Prior art keywords
user
data
target contact
personal data
contact
Prior art date
Application number
KR1020137029167A
Other languages
English (en)
Other versions
KR20140002025A (ko
Inventor
데이비드 퍼거먼트
아르멘 아가사리언
쟝 가브리엘 가나시아
Original Assignee
알까뗄 루슨트
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 알까뗄 루슨트 filed Critical 알까뗄 루슨트
Publication of KR20140002025A publication Critical patent/KR20140002025A/ko
Application granted granted Critical
Publication of KR101519401B1 publication Critical patent/KR101519401B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Bioethics (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

본 발명은 타겟 접촉(CC)에 대해 소셜 네트워크 사용자(U)의 개인 데이터를 배포하기 위한 규칙들을 구성하는 방법에 관한 것이다. 상기 방법은 상기 타겟 접촉의 행동 데이터를 검색하는 단계로 구성된다. 이러한 검색된 행동 데이터 및 상기 사용자에 의해 규정된 센서티비티 프로파일에 기초하여, 그 또는 그녀가 상기 사용자의 개인 데이터를 전파하는 것을 나타내는 위험에 대해 상기 타겟 접촉으로 평가 등급이 할당된다. 상기 타겟 접촉에 할당된 등급에 기초하여, 그 또는 그녀의 개인 데이터를 배포하기 위한 규칙들을 구성하기 위한 권고안이 상기 사용자에게 발행된다.

Description

개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법{METHOD OF PARAMETERIZING RULES FOR BROADCASTING PERSONAL DATA}
본 발명은 소셜 네트워크들의 분야 및 이들 소셜 네트워크들의 개인 데이터의 배포에 관한 것이다.
특히, 본 발명은 소셜 네트워크의 사용자의 개인 데이터의 배포를 위한 규칙들을 구성하는 방법에 관한 것이다. 본 발명은 또한 소셜 네트워크의 사용자의 개인 데이터의 배포를 위한 규칙들을 구성하는 시스템, 애플리케이션 서버, 및 컴퓨터 프로그램 제품에 관한 것이다.
소셜 네트워킹 사이트들은 전세계 수백만의 사용자들이 계정을 개설하고, 프로파일을 생성하고 이들 사이트들에 그들의 개인적인 삶에 관련된 개인 데이터 또는 정보를 공개할 수 있게 한다. 소셜 네트워크의 각각의 사용자는 그 또는 그녀가 본원의 나머지에서 접촉이라고도 공지된, 다른 사용자들과의 관계들을 수락하는 그 또는 그녀의 네트워크를 생성한다. 이들 접촉들은 선천적으로 그룹화될 수 있다. 따라서, 예를 들어, 사용자는 그 또는 그녀의 가족들, 또는 그 또는 그녀의 매우 가까운 친구들의 그룹, 또는 그 또는 그녀의 좀 더 먼 친구들의 그룹, 또는 그 또는 그녀의 직장-동료들의 그룹에 속하는 접촉들을 가질 수 있다. 상기 사용자는 또한 그 또는 그녀의 접촉들의 네트워크에 참여하기를 요청하는 낯선 사람들을 수락할 수도 있다. 각각의 사용자는 상기 소셜 네트워크의 다른 사용자들에 의한 그 또는 그녀의 개인 데이터의 가시성(visibility), 그들이 그 또는 그녀와 접촉하는지 여부를 제어할 수 있다. 따라서, 사용자는 그 또는 그녀의 네트워크의 적은 접촉들과 일부 개인 데이터만을 공유하기로 결정할 수 있다. 따라서 소셜 네트워크는 자신의 사용자들이 그들의 개인적인 삶들과 관련된 개인 데이터를 입력하고 다른 사용자들과 상호작용할 수 있게 한다. 상기 네트워크에 이용가능해지는 정보는 본질적으로 관계 상태, 교육, 또는 직업, 또는 다른 관심들에 관한 것이다. 그 후 이 정보는 동일한 관심을 공유하는 사용자들을 발견할 수 있게 한다. 이러한 상황에서, 소셜 네트워크들의 사용은 예를 들어, 사진, 링크들, 또는 텍스트 메시지들을 통해 개인적인 삶에 관련된 개인 데이터를 공유하는 것만으로 확장된다. 그러나, 이들 소셜 네트워크들은 또한 기관들(institutions), 비지니스들, 및 다양한 원인들의 인식을 구축하기 위해 공개적인 그룹들을 생성하는데 사용될 수 있다. 이러한 그룹들의 멤버들 간의 상호 작용들은 대응 및 특히 멀티미디어 문서들의 공유를 포함한다. 이러한 경우에서, 이들 공개적인 그룹들에서 공개된 모든 데이터는 상기 프로파일과 달리 공개적이고, 문제의 소셜 네트워크에 계정이 필요없이 누구나에 의해 열람될 수 있다. 이 데이터가 공개적이기 때문에, 이는 누군가에 의해 소유자의 동의 없이, 예를 들어, 광고, 피싱(phishing), 또는 신분 도용에 사용될 수 있다.
또한, 일부 사용자들, 특히 가장 어린 사용자들은 그들과 유사하고 공통의 관심사를 공유할 수 있는 많은 사람들을 만나기 원한다. 이는 그들이 그들의 개인 데이터에 제한 없이 액세스하도록 하기 때문이다. 그 후 그들의 개인 데이터는 그들의 네트워크들의 접촉들에 의해, 그 후 그들의 네트워크에 속하지 않은 접촉들의 접촉에 의해, 계속 배포될 수 있다. 유사하게, 접촉, 매우 가까운 접촉이 그 또는 그녀의 프로파일을 상업적 목적으로 사용할 수 있고, 또는 소셜 네트워크들이 어떻게 기능하는지를 잘 이해하지 못한 접촉은 그 또는 그녀의 프라이버시 설정들을 정확하게 설정하지 못하고, 그 또는 그녀의 프로파일이 공개되게 하고 그것을 알지 못하고 공유자가 된다. 이러한 경우들에서, 사용자들은 광범위하게 배포되고, 그들의 동의 없이 나중에 재사용될 수 있는 자신의 데이터를 더 이상 제어하지 못한다. 사용자들의 개인 데이터는 목표된 광고들을 전송하기 위해 광고자들에 의해 특히 사용된다. 소셜 네트워크들은 또한 추가의 광고를 더 맞추기 위해, 그들의 멤버들에 관한 정보, 그들의 프로파일뿐만 아니라 그들의 소비 행동을 합법적으로 재판매할 수 있다. 일부 기업들은 또한 그들의 종업원들에 관한 정보를 수집하기 위해 공개적으로 이용가능한 개인 데이터를 검색한다. 신입사원들이 또한 정보를 수집하고 이를 그들의 지원지를 선택하는데 사용할 수 있다. 공공 또는 정부 조직들은 또한 정보를 수집하고 그들의 파일들에 추가할 수 있다. 임의의 인터넷 사용자들이 검색에 의해 제 3 자 설명들을 획득하고 상기 웹에서 공개적으로 이용가능한 정보를 수집할 수 있게 하는 소위 "명성(reputation)" 웹사이트들이 있다. 마지막으로, 그들의 개인 데이터의 확산으로 인해, 상기 사용자들이 또한 신분 도용의 높은 위험을 초래한다.
다른 사용자들은 더 위험-기피적이고, 그들의 동의 없이 사용되거나 도용될 위험때문에, 그들의 개인 데이터를 삽입하는 것을 원치 않는다.
따라서, 개인 데이터 배포를 위한 규칙들을 규정할 수 있는 것이 매우 중요하여, 소셜 네트워크들의 사용자들은 자신의 개인적인 삶에 관한, 자신의 개인 데이터에 대한 제어를 유지한다.
현재 소셜 네트워크들의 사용자들에게 그들의 데이터가 어떻게 보호되는 지를 경고하기 위한 서비스들을 제공하는 시스템들이 있다. 이들 시스템들 중 하나는 특허 출원 US2011/0029566의 주제이다. 이 문서에 기술된 시스템은 사용자의 개인 데이터가 그 또는 그녀의 접촉들 각각에 가시적인지 여부를 분석한다. 그 후 상기 데이터가 얼마나 민감한 것인지 분석한다. 따라서, 더 민감한 데이터라고 여겨지면, 배포되는 것이 더 방지되고 보호되어야 한다. 이렇게 하기 위해, 상기 시스템은 잘 규정된 속성 필드들, 의미, 예를 들어, 생일, 전화번호, 개인적인 주소, 직업, 등을 구분한다. 이는 또한 예를 들어, 접촉들이 가족, 또는 친한 친구들의 그룹, 또는 먼 친구들의 그룹, 또는 직장 동료들의 그룹으로 식별되는 그룹에 속하는지 여부에 따라 상이한 방식으로 관계들을 고려하는 것을 의미하는, 각각의 그 또는 그녀의 접촉들과의 사용자의 관계들의 속성에 기초한다. 다음에, 상기 시스템은 그 또는 그녀의 개인적인 삶에 관련된 그 또는 그녀의 개인 데이터의 프라이버시의 관점으로 제한되는 포괄적인 방식으로 구성하는 옵션을 사용자에게 제공할 수 있다. 이렇게 하기 위해, 상기 사용자는 그 또는 그녀의 접촉 그룹들과 그 또는 그녀의 관계들의 속성에 따라, 즉, 그 또는 그녀의 각각의 접촉 그룹의 신뢰에 기초하여, 특정한 속성 필드들에 대한 액세스를 제공할지 여부를 선택한다.
그러나, 기존의 시스템들은 프라이버시의 관점으로 그 또는 그녀가 원하는 것을 얼마나 제한하는가에 따라 사용자의 데이터에만 기초한다. 이들 시스템들은 접촉의 행동 및 상기 접촉의 데이터 전파 능력에 기초하여 개인 데이터를 배포하기 위한 규칙들을 개선하게 하지는 않는다.
따라서 본 발명의 한 목적은 종래 기술의 적어도 하나의 결점들을 바로잡는 것이다. 특히, 본 발명은 소셜 네트워크 사용자의 접촉 가능성이 상기 사용자에 의해 민감하게 여겨지는 개인 데이터를 공유하려는 위험을 가늠할 수 있게 하는 것을 목적으로 한다.
이를 위해, 본 발명의 주제는 타겟 접촉에 대해 소셜 네트워크 사용자의 개인 데이터를 배포하기 위한 규칙들을 구성하는 방법으로서, 상기 개인 데이터는 카테고리들로 분류되고,
상기 방법은,
- 공개 배포에 대해 사용자들이 부여하는 중요도에 기초하여, 상기 개인 데이터 카테고리들을 정렬하고 행동 인자들(behavioral factors)에 가중치를 할당함으로써, 상기 사용자의 센서티비티(sensitivities) 프로파일을 규정하는 단계;
- 상기 타겟 접촉으로부터 행동 데이터를 검색하는 단계;
- 상기 검색된 행동 데이터에 기초하여, 상기 타겟 접촉의 각각의 행동 인자(behavioral factor)에 대한 등급을 추정하는 단계로서, 각각의 행동 인자는 상기 사용자의 상기 센서티비티 프로파일에 정렬된 각각의 개인 데이터 카테고리에 대해 점수가 매겨지는, 상기 등급 추정 단계;
- 상기 개인 데이터 카테고리들에 대해 상기 타겟 접촉에 할당된 전체 등급을 전체로서 그리고 이들 각각에 대해 개별적으로 획득하기 위해, 상기 센서티비티 프로파일의 상기 행동 인자들 각각에 할당된 가중치를 고려하여 상기 추정된 등급들을 종합하는 단계; 및
- 상기 전체 등급들에 기초하여 상기 타겟 접촉에 대해 개인 데이터를 배포하기 위한 규칙들을 구성하기 위해 상기 사용자에게 구성 권고안을 발행하는 단계로 구성된다.
따라서, 상기 방법은 상기 타겟 접촉에 평가 등급을 할당하고, 상기 데이터를 전파하기 위해 상기 타겟 접촉이 나타내는 위험의 평가에 기초하여, 상기 사용자에 대한 구성 권고안을 확립할 수 있게 한다.
상기 방법의 다른 선택적인 특징에 따라,
- 상기 등급들의 계산은 또한 상기 사용자와 상기 타겟 접촉 사이에 공통인 적어도 하나의 접촉과의 등급들의 공동의 교환을 통해 개선되고,
- 상기 권고안을 발행하는 단계는, 상기 개인 데이터 카테고리에 대해 획득된 전체 등급이 미리 결정된 문턱값보다 작으면, 상기 타겟 접촉에 대해 개인 데이터 카테고리에 대한 액세스를 차단하는 것을 제안하는 경고 메시지를 발행하는 단계로 구성되고,
- 상기 문턱값은 상기 발행된 권고안을 따를지 여부의 상기 사용자의 결정에 기초하여 수정되고,
- 상기 타겟 접촉의 행동 데이터의 검색은 상기 사용자와 상기 타겟 접촉 사이에 공통인 접촉들, 및 공개적으로 이용가능한 데이터에 의해 달성되는,
- 상기 사용자의 센서티비티 프로파일은 상기 타겟 접촉에 할당된 상기 등급들을 디스플레이하기 위해 상기 사용자에 의한 요청에 기초하여 자동으로 편집된다.
본 발명은 또한 타겟 접촉에 대해 소셜 네트워크 사용자의 개인 데이터 배포를 위한 규칙들을 구성하기 위한 시스템에 있어서, 상기 개인 데이터는 카테고리들로 정렬되고,
상기 시스템은,
- 공개 배포에 대해 사용자가 부여하는 중요도에 기초하여, 상기 개인 데이터 카테고리들을 정렬하고 행동 인자들에 가중치를 할당함으로써 상기 사용자가 센서티비티 프로파일을 규정할 수 있게 하는 입력 수단;
- 상기 타겟 접촉의 행동 데이터를 검색할 수 있는 요청 모듈;
- 상기 검색된 행동 데이터에 기초하여, 상기 타겟 접촉의 미리 결정된 행동 인자들에 등급을 추정하고 할당할 수 있는 계산 모듈로서, 각각의 행동 인자는 상기 사용자의 상기 센서티비티 프로파일에 정렬된 각각의 개인 데이터 카테고리에 대해 등급이 매겨지는, 상기 계산 모듈;
- 상기 개인 데이터 카테고리들에 대해 상기 타겟 접촉에 할당된 전체 등급을 전체로서 그리고 이들 각각에 대해 개별적으로 획득하기 위해, 상기 센서티비티 프로파일의 상기 행동 인자들 각각에 할당된 가중치를 고려하여 상기 추정된 등급들을 종합할 수 있는 종합 모듈; 및
- 상기 획득된 전체 등급들에 기초하여 상기 타겟 접촉에 대해 개인 데이터를 배포하기 위한 규칙들을 구성하기 위해 상기 사용자에게 권고안을 발행할 수 있는 권고 모듈을 포함하는 것을 특징으로 하는 상기 개인 데이터 배포 규칙 구성 시스템에 관한 것이다.
상기 시스템의 다른 선택적인 특징들에 따라,
- 상기 시스템은 상기 발행된 권고안에 따를지 여부의 상기 사용자의 결정에 기초하여 상기 구성 결정 규칙들을 편집하고, 상기 타겟 접촉에 할당된 등급들을 디스플레이하기 위해 상기 사용자의 요청에 기초하여 상기 사용자의 센서티비티 프로파일을 편집할 수 있는 학습 모듈(80)을 더 포함하고,
- 상기 시스템은 상기 사용자의 상기 센서티비티 프로파일의 정렬된 개인 데이터 카테고리들과 상기 요청된 모듈에 의해 검색된 상기 타겟 접촉의 행동 데이터 사이에 매칭을 확립할 수 있는 필터링 모듈을 더 포함한다.
본 발명은 또한 상기에 기술된 구성 방법의 구현을 위해 적어도 하나의 마이크로프로세서 및 메모리를 포함하는 애플리케이션 서버에 관한 것이다.
마지막으로, 본 발명은 애플리케이션 서버의 메모리에 로딩되도록 의도된 컴퓨터 프로그램 제품에 관한 것으로, 상기 컴퓨터 프로그램 제품은 상기 프로그램이 상기 애플리케이션 서버의 프로세서에 의해 실행될 때 상기에 기술된 방법을 구현하는 소프트웨어 코드부들을 포함한다.
따라서, 본 발명은 개인 데이터의 암호화를 요구하지 않는 사용자에 관한 개인 데이터의 배포의 프라이버시 및/또는 안전한 제어를 개선할 수 있게 한다. 결과적으로, 본 발명은 개인 데이터의 제어되지 않은 해제를 회피하기 위해 상당한 소프트웨어 및 하드웨어 자원들(특히 프로세서들 및 메모리의 관점으로)을 요구하는 암호화 알고리즘들을 사용할 필요가 없는 간단하고, 효과적인 대안을 구성한다. 따라서 이는 소셜 네트워크들의 맥락에 잘 맞는다.
본 발명의 다른 장점들 및 특징들은 첨부된 도면들을 참조하여, 비-제한적인 예로서 주어진 이하의 설명을 읽음으로써 명백해질 것이다.
도 1은 사용자들이 마주하는 소셜 네트워크의 간략화된 도면.
도 2는 타겟 접촉에 대하여, 소셜 네트워크 사용자의 개인 데이터를 배포하기 위한 규칙들을 구성하는 시스템의 도면.
도 3은 선택된 타겟 접촉에 대해, 도 2의 시스템에 의해 추정된 등급들을 디스플레이하기 위한 그래픽 사용자 인터페이스의 도면.
도 4는 도 2의 시스템에 의해 구현된 방법의 단계들을 도시하는 흐름도.
본원의 나머지에서, 용어 "사용자"는 계정을 개설하고, 거기에 개인 데이터를 공개하기 위해 그 또는 그녀의 프로파일을 생성하고, 상이한 접촉 그룹들을 포함하는 접촉들의 네트워크를 생성하는 소셜 네트워크 사용자를 참조한다. 타겟 접촉은 상기 사용자의 접촉들의 네트워크에 참여하기를 원하거나, 상기 사용자가 추가하기를 원하거나, 상기 사용자가 이미 그 또는 그녀의 접촉들의 네트워크에 추가한 상기 소셜 네트워크의 다른 사용자로 규정된다.
도 1은 사용자들(U, C, CC)이 원격 소셜 네트워킹 서버(RS)로 그들 각각의 컴퓨터들(1, 2, 3)을 접속하는 네트워크를 도시한다. 그 후 사용자(U)는 상기 소셜 네트워크의 접촉들(C 및 CC)을 마주한다. 그 또는 그녀는 타겟 접촉(CC)을 그 또는 그녀의 접촉들의 네트워크에 추가하기를 원할 수 있다. 이러한 경우에, 상기 사용자는 본 발명의 구성 방법을 구현하도록 동작가능한 원격 구성 서버(SP)에 전기통신 네트워크(IT)를 통해 로그 인한다.
도 2에 도시된 시스템은 상기 데이터를 확산하기 위해 상기 타겟 접촉이 나타내는 위험의 평가에 기초하여, 그 또는 그녀의 개인 데이터를 배포하기 위해 그 또는 그녀의 규칙들을 구성하는 상기 사용자를 보조할 수 있게 한다. 이렇게 하기 위해, 상기 시스템은 상기 타겟 접촉의 행동 데이터를 분석한다.
도 2는 상기 구성 방법의 상기 시스템의 각각의 기능 모듈의 역할을 명확하게 하기 위해 도 4와 병행하여 설명된다. 제 1 단계(300)에서, 상기 사용자는 먼저 그 또는 그녀의 개인적인 삶에 관한, 개인 데이터를 배포하는 관점에서 그 또는 그녀의 센서티비티 프로파일(PROF)을 규정한다. 이렇게 하기 위해, 예를 들어, 그 또는 그녀의 컴퓨터의 스크린에 나타나는 그래픽 사용자 인터페이스의 형태가 되는 입력 수단(10)은 사용자가 상기 프로파일(PROF)을 규정할 수 있게 한다. 따라서, 각각의 미리 결정된 데이터의 그룹에 대해, 상기 사용자는 배포에 대해 더 또는 덜 관련되고 그 또는 그녀가 더 또는 덜 중요성을 부여한다고 그 또는 그녀가 믿는 개인 데이터 카테고리들을 정렬한다. 중요하다고 또는 민감하다고 믿어지는 상기 데이터 카테고리들은 상기 사용자가 상기 웹과 같은 전세계적인 전기통신 네트워크를 통해 전파되는 것을 원치 않는 데이터 카테고리들이다.
이러한 프로파일을 생성하기 위해 고려된, "테마"라고 알려진 제 1 그룹은 테마가 정해진 카테고리들에 배치되는 상기 사용자에 의해 커버되는 모든 토픽들을 포함한다. 따라서, 이 그룹 내에서, 상기 사용자는 그 또는 그녀의 가족 또는 정치, 및 그 또는 그녀가 높은 중요도를 부여하는 주제에 관한 테마가 정해진 카테고리들에 관하여 그 또는 그녀의 개인 데이터를 배포하는 것에 대해 경계할 수 있다. 한편, 그 또는 그녀는 예를 들어, 스포츠 카테고리에 낮은 중요도 또는 중요도를 부여하지 않을 수 있다. 이러한 경우에, 상기 사용자는 예를 들어 드롭-다운 메뉴에 중요도 순서로 상기 테마가 정해진 카테고리들을 정렬할 수 있다. 따라서, 상기 예에서, 상기 사용자는 먼저 가족 토픽, 두번째로 정치 토픽, 및 마지막으로 스포츠 토픽을 넣는다.
"객체 유형들"이라고 알려진 제 2 그룹은 데이터의 일부가 공개되는 방식을 규정하는 상이한 카테고리들로 배치되는 콘텐트의 유형들을 포함한다. 이들 콘텐트 유형 카테고리들은 소셜 네트워크마다 변한다. 예를 들어, 사진들, 비디오들, 상태들, 이벤트들, 또는 그룹들이 소셜 네트워크들에서 가장 일반적이다. 그 또는 그녀의 센서티비티 프로파일에서, 따라서 상기 사용자는 어느 객체 유형 카테고리들이 그 또는 그녀에게 더 또는 덜 중요한지를 규정한다. 따라서, 그 또는 그녀는 상태보다 사진들에 더 높은 중요도를 부여할 수 있다. 이 경우에서, 또한 그 또는 그녀는 각각의 객체 유형을 그 또는 그녀가 부여하는 중요도에 기초하여 정렬한다.
또한, 그 또는 그녀의 센서티비티 프로파일을 규정할 때, 상기 사용자는 또한 "행동 인자들"로 알려진 다른 데이터 그룹을 고려한다. 이 그룹은 프라이버시를 존중하는 것에 관해 타겟 접촉이 가질 수 있는 행동의 상이한 카테고리들을 포함한다. 이들 상이한 행동 카테고리들은 예를 들어, 상기 타겟 접촉에 속하지 않은 데이터를 용이하게 전파하거나 특히 느낌들이 배포 동안 표현되면, 상기 타겟 접촉이 데이터를 배포하는 방식이거나, 상기 타겟 접촉이 소셜 네트워크 내에 그 또는 그녀의 프로파일을 생성할 때 프라이버시를 존중하는 것에 관한 규칙들을 설정하지 않는다. 이러한 방식으로, 상기 사용자는 개인 데이터를 전파하기 위해 타겟 접촉이 나타내는 위험들을 평가하는 전파 성향 인자(propensity-to-propagate factor)에 더 높은 중요도를 부여할 수 있다. 다른 인자들이 타겟 접촉의 인기, 그 또는 그녀가 데이터를 전파하는 방식, 상기 타겟 접촉이 데이터를 배포할 때 다른 접촉들을 인용하는지 여부 등을 고려한다. 이들 인자들은 계산 모듈과 관련하여 이하에 상세히 설명된다. 그 후 상기 사용자는 최저 등급이 최고 등급보다 중요도가 낮은 것을 나타내는 예를 들어, 0.4와 같이, 0과 1 사이일 수 있는 가중치 또는 중요도 등급을 수여할 수 있다. 따라서, 타겟 접촉이 가질 수 있는 각각의 행동들에 그 또는 그녀가 부여하는 허용가능성 정도에 따라, 상기 사용자가 그들에게 가중치를 할당한다.
따라서 상기 사용자는 상기 사용자가 상기 개인 데이터 카테고리들 및 공개적인 배포에 대한 상기 행동 인자들에 부여하는 중요도에 기초하여, 개인 데이터 카테고리들을 정렬하고 행동 인자들에 가중치를 줌으로써 그 또는 그녀의 센서티비티 프로파일을 규정한다.
한 변형에서, 상기 사용자는 또한 객체 유형을 테마와 연관시킬 수 있다. 따라서, 예를 들어, 그 또는 그녀는 객체 유형 "사진들"의 그 또는 그녀의 가족의 사안에 관한 데이터는 민감하고, 한편 예를 들어, 동일한 사안에 대해 객체 유형 "상태"는 민감하지 않을 수 있다고 규정할 수 있다. 이러한 경우에 또한 0과 1 사이의 연관성에 가중치를 할당할 수 있다.
따라서 상기 사용자에 의해 규정된 센서티비티 프로파일은 저장수단(11)에 저장되는 것이 바람직하다. 이 저장수단은 원격일 수 있고, 예를 들어, 데이터베이스의 형태일 수 있다.
단계(310)에서, 그 후 상기 사용자는 데이터 배포의 관점으로 표현된 위험을 평가하기를 원하는 그 또는 그녀에 대한 타겟 접촉(CC1)을 선택한다. 이러한 상기 타겟 접촉의 선택은 그 또는 그녀의 컴퓨터의 스크린 상에 나타나는 그래픽 사용자 인터페이스에 의해 이루어질 수 있다. 상기 그래픽 사용자 인터페이스는 도 2 및 도 3에서 60으로 참조된다. 그 후 상기 타겟 접촉의 선택은 요청 모듈(20)의 동작을 트리거한다.
이 요청 모듈(20)은 단계(320)에서, 그 또는 그녀의 개인 데이터를 배포하기 위한 규칙들을 설정하기를 원하는 사용자에 대해, 상기 선택된 타겟 접촉에 관련된 보완 데이터(DC)를 검색할 수 있게 한다. 이렇게 하기 위해, 상기 모듈(20)은 두 개의 엔티티들(21 및 24)로 분해한다. 제 1 엔티티(21)는 상기 웹에서 공개적으로 이용가능한 데이터를 수집할 수 있게 한다. 따라서, 제 1 수집기(22)는 프라이버시 규칙들을 존중하는 것에 대해, 상기 타겟 접촉의 행동에 관해 이용가능한 임의의 정보가 있는지 알기 위해 상기 웹을 검색한다. 예를 들어, 상기 수집기는 상기 타겟 접촉이 웹사이트를 소유하는지 여부, 및 상기 웹사이트의 설정들이 개인 데이터 존중의 관점에서 높은지 또는 낮은지 여부를 검증할 수 있다. 다른 수집기(23)는 상기 타겟 접촉이 멤버이지만, 그 또는 그녀가 프라이버시 존중 및 그 또는 그녀의 개인 데이터 배포에 대해 어떠한 규칙들도 설정하지 않는 소셜 네트워크들로부터 정보를 검색할 수 있게 한다. 상기 수집기(23)는 또한 소셜 네트워크들로부터, 특히, 타겟 접촉이 상호작용하는 네트워크들의 사용자들의 구성되지 않은 프로파일들을 의미하는, 공개적인 프로파일들로부터 정보를 검색할 수 있다. 제 2 엔티티(24)는 상기 사용자의 접촉들의 네트워크로부터 상기 타겟 접촉에 관한 행동 데이터를 검색한다. 따라서, 제 1 수집기(25)는 사용자에게 가시적인 그 또는 그녀의 프로파일로부터 상기 타겟 접촉에 관한 데이터를 직접 검색할 수 있게 한다. 이 경우, 그 때 상기 사용자는 그 또는 그녀가 그 또는 그녀를 그 또는 그녀의 접촉들의 네트워크에 이미 추가하였다는 것을 의미하는, 상기 타겟 접촉과의 특수한 관계에 있어야 한다. 다른 수집기(26)는 상기 사용자와 상기 타겟 접촉 사이에 공유된 접촉 프로파일들로부터 검색된 정보에 기초하여 상기 타겟 접촉에 관한 데이터를 수집하는 것으로 구성된다. 이러한 경우, 상기 사용자 및 상기 타겟 접촉은 직접적인 관계가 될 필요는 없다. 상기 공유된 접촉들에 의해 유지된 정보가 사용될 것이다. 따라서, 예를 들어, 상기 수집기(26)는 상기 타겟 접촉이 상기 공유된 접촉들에 의해 유지된 문제들에 관해 이루어졌다는 설명들을 액세스할 수 있다. 마지막으로, 다른 수집기(27)는 프라이버시 보호 및 존중의 관점으로 상기 타겟 접촉에 자격을 주기 위해, 상기 사용자의 접촉들에 의해 계산된 평가 등급들을 검색할 수 있다. 이러한 경우, 상기 공유된 접촉 프로파일들에서 계산되고 가시적인 상기 등급들은 예를 들어, 동일한 시스템으로 획득된다.
이러한 방식으로 검색된 상기 데이터는 필터링 모듈(30)로 송신된다. 상기 저장수단(11)에 저장된 센서티비티 프로파일은 또한 상기 필터링 모듈로 송신된다. 상기 필터링 모듈(30)은 상기 요청 모듈(20)의 다양한 데이터 수집기들(22, 23, 25, 26, 27)에 의해 검색된 행동 데이터(DC) 및 상기 사용자의 센서티비티 프로파일에 관련된 데이터에 기초하여, 상기 사용자에 의해 정렬된 데이터 카테고리들과 상기 선택된 타겟 접촉(CC1)의 행동 데이터(DC) 사이에 매칭을 확립할 수 있게 한다. 따라서, 매칭이 확립될 수 없는 모든 데이터는 등급들을 추정하는 나중의 단계에 대해 유지되지 않는다. 매칭이 확립된 데이터가 유지되고, 다음의 기능 모듈(40)의 입력으로 송신된다. 상기 필터링 모듈(30)은 선택적이고, 이는 매칭이 확립되지 않는 모든 데이터를 제거함으로써 나중의 추정들을 용이하게 할 수 있다. 이 분석을 수행하기 위해, 이들의 매칭을 확립하고, 이들의 필터링을 수행하고, 상기 모듈(30)은 의미 해석 기술들(semantic analysis techniques)에 기초하는 것이 바람직하다.
그 후 계산 모듈(40)은 단계(330)에서, 상기 타겟 접촉(CC1)의 미리 결정된 행동 인자들에 대해 등급(NF / di)을 추정하고 할당할 수 있게 한다. 이렇게 하기 위해, 상기 계산 모듈(40)은 상기 필터링 모듈(30)에 의해 송신된 데이터에 기초한다. 행동 인자는 상기 센서티비티 프로파일에 정렬된 각각의 개인 데이터 카테고리와 연관되고, 각각의 이들 연관을 위해, 등급(NF / di)이 할당된다. 따라서, 그 또는 그녀의 센서티비티 프로파일에서 상기 사용자에 의해 선택된 각각의 테마 및 각각의 객체 유형에 대해, 데이터를 전파하기 위한 상기 타겟 접촉의 경향 인자에 대해 등급이 추정되고 할당되고, 각각의 행동 인자에 대해 계속된다.
데이터를 전파하기 위해 상기 경향 인자의 등급을 추정하는 것에 대해, 상기 계산 모듈(40)은 자신에게 제공된 데이터에 기초하여, 예를 들어, 그 또는 그녀의 소유가 아닌, 사진 또는 비디오 또는 상태 링크들과 같은 상기 타겟 접촉이 객체들을 코멘트하거나 태그한 횟수를 포함한다. 상기 타겟 접촉이 더 빈번히 그렇게 하면, 더 높은 등급이 상기 인자에 할당된다. 예를 들어, 상태를 전파할 때, 상기 전파의 강도는 상기 타겟 접촉이 상기 객체를 전파한 횟수, 다른 사용자들이 또한 상기 객체를 전파한 횟수, 및 상기 객체를 전파하지 않고 본 사용자들의 수를 고려함으로써 측정된다. 따라서, 상기 타겟 접촉이 예를 들어, 상태에 관해 3개의 코멘트들을 개시할 때, 상기 객체 유형 "상태"를 전파하기 위한 경향의 등급은 그 또는 그녀가 단 하나의 코멘트만 개시하는 것보다 높을 것이다. 유사하게, 상기 타겟 접촉이 그/그녀의 접촉들 중 하나 또는 그 자신/그녀 자신에 의해 공개된 객체 유형 아래의 "좋아요" 유형의 버튼을 클릭할 때마다 그 또는 그녀의 접촉들이 그 또는 그녀가 인정하는 것을 알게 할 수 있다. 따라서, 예를 들어, 다수의 접촉들이 특정한 상태에 대해 "좋아요" 버튼을 누르면, 그 때 상태가 아주 많이 전파될 것이고 따라서 상기 전파 경향의 등급이 높을 것이다.
인기 인자는 기준 측정치들에 비교하여 상기 타겟 접촉의 인기를 나타낸다. 이들 기준 측정치들은 예를 들어, 상기 사용자의 접촉들의 평균 행동으로서 규정된다. 특히, 상기 인기 인자에 할당된 등급은 상기 관계들의 네트워크에 상기 타겟 접촉이 갖는 접촉들의 수, 상기 타겟 접촉이 생성한 "이벤트" 객체 내에 존재하는 사람들의 백분율, 또는 상기 객체 유형이 전파된 횟수에 기초한다.
상기 센서티비티 인자는 문장의 중립도를 나타낸다. 상기 중립도는 종래의 감정 검출 기술들, 예를 들어, 스마일리 검출(smiley detection)을 이용하여 측정될 수 있고, 스마일리는 감정을 표현하기 위해 사용된 얼굴들의 양식화된 그림들이다. 문장의 모든 용어들의 중립도는 또한, 예를 들어, 웹 어드레스 http://sentiwornet.isti.cnr.it에서 보여질 수 있는 "SentiWordnet"(등록 상표) 사전과 같은, 통계 사전들을 사용하여 분석될 수 있다. 구(phrase)의 각각의 용어들에 할당된 등급들의 종합은 상기 구의 등급을 제공한다. 더 극단에 가까운 등급일수록, 즉, 0 또는 1에 가까울수록 더 민감한 구라고 여겨진다. 0.5등급은 상기 타겟 접촉이 그 또는 그녀의 메시지들을 전파할 때 중립으로 남아있고, 그 또는 그녀의 느낌들을 송신하지 않는다는 것을 의미한다. 이 인자는 개인적인 느낌들이 전파될 때 상기 전파의 품질을 나타내기 때문에 중요하다.
노출 인자는 상기 타겟 접촉이 개인 또는 공적인 의미의 그 또는 그녀의 개인 데이터 배포 설정들을 구성하는지 여부를 추론할 수 있게 한다. 이는 그 또는 그녀가 상기 타겟 접촉과 무-위험 상호작용할 수 있는지 여부를 사용자가 나타낼 수 있게 한다.
상기 배포 인자에 등급을 할당하기 위해, 상기 계산 모듈은 상기 타겟 접촉의 데이터가 제 3 자에 관해 이야기하는 횟수에 기초한다. 이렇게 하기 위해, 예를 들어, 제 3 자를 언급하는 상기 메시지의 내용들뿐만 아니라 그 또는 그녀의 접촉들로 마킹되거나 태그된 사진들을 분석한다. 이러한 경우, 상기 계산 모듈은 문제의 접촉들의 백분율, 이들이 언급된 횟수, 등을 분석한다. 상기 근접성 인자는 상기 사용자에 대한 상기 타겟 접촉의 근접성을 나타낸다. 마지막으로, 배포를 용이하게 하는 인자의 경향은 상기 타겟 접촉이 이미-전파된 데이터에 대한 액세스를 용이하게 했는지 여부를 나타낼 수 있게 한다.
일부 인자들이 전파 경향과 같이, 상기 타겟 접촉에 속하지 않는 행동 데이터만을 분석하는 한편, 다른 인자들은 노출 인자와 같은 타겟 접촉에 속하는 행동 데이터만을 고려하고, 예를 들어, 센서티비티 인자와 같이, 다른 인자들은 이들 중 둘이 조합된다. 일 변형예에서, 테마가 정해진 카테고리들 또는 객체 유형들과의 관계들과 상관없이, 예를 들어, 상기 사용자와 상기 타겟 접촉 사이의 근접성 인자의 등급을 계산하기 위해, 모든 행동 데이터를 고려함으로써 특정한 인자들의 등급들을 계산하는 것이 유익할 수 있다.
이러한 방식으로 추정된 등급들(NF / di)은 그 후 종합 모듈(50)로 전달된다. 이 모델은, 상기 센서티비티 프로파일에 정렬된 모든 개인 데이터 카테고리들에 대해, 또한 이들 개인 데이터 카테고리들 각각에 대해 타겟 접촉(CC1)과 연관된 전체 평가 등급(NGdi)을 계산할 수 있게 한다(단계 340). 이들 전체 등급(NGdi)은 상기 사용자의 개인 데이터를 전파하는 타겟 접촉의 위험을 평가할 수 있게 하는 것을 의미하는, 개인 데이터의 보호에 대해, 선택된 타겟 접촉(CC1)의 행동을 반영한다. 이러한 종합 모듈(50)은 일 실시예에서, 계산 모듈(40)과 결합할 수 있다. 이는 개인 데이터 카테고리와 연관된 각각의 행동 인자에 대해 상기 계산 모듈들(40)에 의해 추정된 모든 등급들을 종합함으로써 전체 등급을 계산한다. 상기 종합은 사용자의 센서티비티 프로파일에 규정된 바와 같이 각각의 행동 인자의 가중치를 고려한다. 센서티비티 프로파일에서 더 높은 행동 인자들이 가중되면, 사용자들에 대해 더 민감한 것으로 간주되고, 전체 등급의 값에 더 큰 영향을 준다. 따라서 상기 사용자에 의해 다양한 행동 인자들에 부여된 중요도에 기초하여 상기 계산이 가중된다.
일 실시예에서, 상기 등급들은 또한 공동으로 추정될 수 있다. 이는 고 신뢰 관계를 갖고 많은 데이터를 공유하는 두 사용자들이 접촉하기 때문에, 동일한 타겟 접촉에 대해 추정된 등급들을 교환하고 이들의 추정들을 더 개선하기 위해 이들을 조합할 수 있다. 그 결과, 선택적이고 그 또는 그녀의 접촉(들)의 승인으로, 상기 사용자는 그 또는 그녀의 접촉(들)에 의해 상기 타겟 접촉에 할당된 등급을 검색하고 상기 정보가 그 또는 그녀와 관련이 있는지 여부를 검사한다. 예를 들어, 그 또는 그녀는 공동의 계산을 고려하는 접촉들의 수 또는 그 또는 그녀의 추정에 상당히 포함하기 위해 등급의 추가된 값을 고려할 수 있다. 대신, 상기 사용자는 그 또는 그녀의 접촉(들)에 그 또는 그녀가 추정한 등급을 전송한다. 공동의 계산을 수행하기 위한 이러한 등급들의 검색은 이전에 설명된 바와 같이 상기 요청 모듈(20)의 수집기(27)에 의해 수행된다.
상기 타겟 접촉을 위해 이러한 방식으로 등급들이 할당될 때마다, 이들은 저장 수단(51)에 유리하게 저장된다. 이 저장 수단은 예를 들어, 데이터베이스일 수 있다. 이 데이터베이스는 또한 상기 추정들이 수행되는 문맥을 저장한다. 상기 문맥은 예를 들어, 상기 등급 추정들에 기여하는 접촉들을 언급할 수 있다. 이러한 방식으로, 상기 사용자의 각각의 타겟 접촉에 대한 등급들이 저장되고 더 이상 각각의 시간에 재계산될 필요가 없다. 부가적으로, 이 데이터베이스는 이를 재계산할 필요가 있을 때 등급을 재논의할 수 있게 한다. 이는 예를 들어, 상기 사용자가 새로운 접촉들을 상기 타겟 접촉과 공동으로 공유하는 그 또는 그녀의 사용자에게 추가하는 경우일 수 있다.
이러한 방식으로 획득된 등급들은 예를 들어, 사용자의 컴퓨터의 스크린에 나타나는 그래픽 사용자 인터페이스(60)에 의해 디스플레이되는 것이 바람직하다. 이 인터페이스(60)는 상기 타겟 접촉(CC1)을 선택하도록 이전에 서빙된 것이다. 이는 도 3에 개략적으로 도시된다. 이는 그 또는 그녀가 그 또는 그녀의 접촉들의 네트워크에 추가하려고 고려한 타겟 접촉에 할당된 등급들을 사용자가 나타낼 수 있게 한다. 일단 상기 사용자가 타겟 접촉(CC1)을 선택하면, 선택 메뉴(61)에서, 상기 시스템의 동작이 상기 인터페이스에 의해 트리거된다. 상기 사용자는 그 또는 그녀가 알지 못하는 타겟 접촉으로부터의 초대를 수신한 후 또는 그 또는 그녀가 이미 그 또는 그녀의 접촉들의 네트워크에 존재하는 사람에 관해 더 많은 정보를 획득하고자 하면 상기 인터페이스를 사용할 수 있다. 이는 그 또는 그녀의 개인 데이터를 배포하기 위해 그 또는 그녀의 설정들을 더 잘 설정할 수 있게 한다. 획득된 등급들은 상기 종합 모듈(50)에 의해 송신되고 상기 인터페이스(60) 상에 디스플레이된다. 제 1 필드(62)는 전체 개인 데이터 카테고리들에 대해 상기 타겟 접촉(CC1)에 대해 획득된 전체 등급(NG)을 디스플레이한다. 도 3의 예에서, 상기 타겟 접촉(CC1)에 할당된 전체 등급(NG)은 0.35와 같다. 다른 필드들(63a, 63b, 63c)은 토픽들 및 객체 유형들에 대해 획득된 전체 등급들(NGdi)을 나타낸다. 따라서, 도 3의 예에서, 상기 필드(63a)는 상기 객체 유형 "사진"에 대해 0.4와 같은 등급을 디스플레이한다. 상기 필드(63b)는 가족(Fam)의 사안에 대한 0.1의 등급 및 상기 필드(63c)는 상기 객체 유형 "이벤트"(EV)에 대한 0.7과 같은 등급을 나타낸다. 따라서 이들 3 등급들은 상기 선택된 타겟 접촉(CC1)이 가족의 사안에 관한 데이터를 매우 넓게 전파하고 또한 사진들을 배포하지만, 객체 유형 "이벤트"보다 덜 배포한다는 것을 의미한다. 이들 필드들(63)은 특히 사용자의 선호도들에 대응하는 순서, 즉, 그 또는 그녀에게 가장 관련된 토픽들 및 객체 유형들에 기초하여, 등급들을 디스플레이한다. 상기 결과들은 또한 그들의 값들에 기초하여 디스플레이된다. 이 인터페이스는 또한 가장 관련된 하나가 아니라, 특히 드롭-다운 메뉴들 때문에, 추정된 모든 등급들을 사용자들이 볼 수 있게 한다.
부가적으로, 상기 사용자는 어떻게 상기 등급이 주어졌는지 알고 싶어할 수 있다. 왜냐하면, 등급을 선택할 때 예를 들어, 등급 0.4가 도 3의 사진 객체에 할당되면, 두 개의 다른 윈도들(64, 65)이 나타나기 때문이다. 제 1 윈도(64)가 타겟 접촉에 속하고 상기 타겟 접촉의 프로파일 또는 다른 공적인 사이트들로부터 직접 획득된 공적인 데이터(DI)를 디스플레이한다. 따라서, 상기 윈도는 예를 들어, 상기 타겟 접촉이 태그된 사진들의 백분율이 도 3의 예에서 78%, 및 태그된 공유된 접촉들(CCom)의 도 3의 예에서 23%의 백분율을 디스플레이할 수 있다. 이 윈도는 또한 예를 들어, 상기 등급을 생성하기 위해 사용된 데이터의 일부를 하이라이트하도록 상태를 보여줄 수 있다. 제 2 윈도(65)는 상기 타겟 접촉에 속하지 않고 그 또는 그녀가 상호작용하는 공유된 접촉들(CCI)을 통해 획득된 상기 타겟 접촉의 행동 데이터를 도시한다. 이들 두 윈도들은 예시적인 디스플레이이다. 상기 데이터는 예를 들어, 다수의 윈도들에 다른 방식으로 디스플레이될 수 있고, 각각의 윈도는 상기 요청 모듈(20)의 수집기(22, 23, 25, 26, 27)에 연결된다.
따라서 획득된 등급들은 권고 모듈(70) 및 학습 모듈(80) 모두에 송신된다. 등급들을 디스플레이하기 위해 상기 인터페이스(60)의 사용자의 브라우저 히스토리가 상기 학습 모듈(Ap)(80)로 송신되는 것이 바람직하다. 따라서, 상기 디스플레이 히스토리 데이터는 양호한 이해를 가능하게 하고 사용자의 센서티비티를 파악할 수 있게 한다. 따라서, 상기 사용자가 그 또는 그녀의 센서티비티 프로파일(11)에서 중요하다고 고려되지 않는 특정한 토픽에 관한 정보를 디스플레이하도록 종종 요청하면, 그 중요성이 그 또는 그녀의 센서티비티 프로파일(11)(PROF)에서 상승 및 업데이트되어, 상기 데이터가 미래의 예들에서 선두하는 것들 중에서 디스플레이된다.
한편, 상기 권고 모듈(70)의 동작은 상기 사용자가 그 또는 그녀의 개인 데이터를 배포하기 위한 규칙들을 구성하기 위해 그 또는 그녀의 옵션들을 구성하도록 권고안들을 디스플레이하도록 요청할 때 상기 인터페이스(60)에 의해 트리거된다. 따라서 이 모듈(70)은 예를 들어, 데이터베이스와 같은, 저장 수단(81) 내에 포함된 결정 규칙들에 미리 규정된 문턱값들과 상기 타겟 접촉에 할당된 등급들을 비교함으로써 권고 전략을 설정할 수 있게 한다. 이 데이터베이스(81)는 디폴트로 적용될 수 있는 기본적인 결정 규칙들을 포함한다. 이러한 규칙은 예를 들어, 특정한 객체 유형에 대해, 획득된 등급(NGdi)이 문턱값(Si), 예를 들어, 0.75보다 작으면, 상기 타겟 접촉이 상기 객체 유형의 데이터에 액세스하지 않는다는 진술로 구성될 수 있다. 그렇지 않으면, 그 또는 그녀가 액세스할 수 있다. 상기 데이터베이스(81)에 저장된 상기 결정 규칙들은 상기 권고 모듈(70)로 송신되고, 이들로 송신된 등급들에 기초하여, 하나 이상의 권고안(들)(REC1(di), REC2(di))을 사용자에게 발행한다(단계들 350, 351, 352). 따라서, 일 예에서, 상기 사진 객체에 대해 획득된 등급(NGdi)은 0.4이고 상기 객체에 대해 0.75의 미리 규정된 문턱값(Si)보다 작다(단계 350). 이 경우, 상기 권고 모듈(70)은 상기 접촉(CC1)에 대한 상기 사진 객체로의 액세스를 제공하지 않아야 한다는 진술로 구성된 권고안(REC1)을 발행한다(단계 351). 한편, 상기 이벤트 프로젝트에 대해 획득된 등급이 예를 들어, 0.7이고, 상기 객체에 대해 0.6의 미리 규정된 문턱값(Si)보다 크면, 예를 들어, 상기 권고 모듈(70)이 상기 사용자가 상기 타겟 접촉(CC1)에 대한 상기 객체에 액세스를 제공할 수 있다는 진술로 구성된 상기 이벤트 객체에 대한 권고안(REC2)을 발행한다(단계 352).
상기 타겟 접촉에 대해 개인 데이터를 배포하기 위한 규칙들을 구성하는 것과 관련하여 발행된 권고안들은 상기 사용자의 스크린에 나타나는 다른 그래픽 사용자 인터페이스(90)의 다른 윈도(91)에서 보여진다. 그 후 상기 사용자가 이들 권고안들을 따를 것이고(단계 360), 그렇다면, 상기 데이터베이스 유형(92)의 저장 수단에 저장된 상기 타겟 접촉에 대한 자신의 배포 규칙들이 자동으로 업데이트될 것이다(단계 370). 그 또는 그녀는 또한 상기 권고안을 거부할 수 있다. 두 경우들에서, 상기 학습 모듈(80)은 사용자의 결정을 통지받고(단계 380) 상기 데이터베이스(81)에 포함된 결정 규칙들을 업데이트하고(단계 390), 따라서 다음에 상기 시스템의 행동이 사용자의 요구들에 더 잘 맞을 것이다. 예를 들어, 권고안이 상기 타겟 접촉이 상기 "사진" 객체 유형에 액세스하는 것을 방지하는 것으로 구성되고 상기 사용자가 어떻게든 그 또는 그녀의 액세스를 제공하면, 상기 객체 유형에 대한 상기 등급의 문턱값(Si)은 대응하는 결정 규칙에서 더 낮다.
다른 실시예에서, 사용자의 센서티비티 프로파일 및 결정 규칙들을 각각 저장하기 위한 두 수단(11 및 81)이 단일 데이터베이스로 결합될 수 있다.
도면들 및 이들의 상기 설명들은 본 발명을 제한하기보다 설명하는 것이다.
일부 도면들이 구별된 블록들로 상이한 기능적 엔티티들을 도시하지만, 이들은 단일 엔티티/모듈이 다수의 기능들을 수행하거나 다수의 엔티티들/모듈들이 단일 기능을 수행하는 본 발명의 실시예들을 어떠한 방식으로도 배제하지 않는다. 도면들에 도시된 다양한 소자들의 기능들, 특히 "프로세싱 모듈들" 또는 "프로세서들"로 마킹된 기능적인 블록들이 적절한 컴퓨터 프로그램과 관련하여 컴퓨터 프로그램을 실행할 수 있는 하드웨어와 같은 전용 하드웨어의 사용을 통해 구성될 수 있다. 상기 기능이 프로세서에 의해 수행될 때, 단일 전용 프로세서에 의해, 또는 단일 공유된 프로세서에 의해, 또는 일부가 공유된 복수의 개별 프로세서들에 의해, 수행될 수 있다. 언급되거나 도시된 상기 데이터베이스들은 중앙화되거나 분산될 수 있다. 따라서, 도면들은 본 발명을 고도로 개략적으로 도시한 것으로 고려되어야 한다.

Claims (11)

  1. 타겟 접촉에 대해 소셜 네트워크 사용자의 개인 데이터를 배포하기 위한 규칙들을 구성하는 방법에 있어서, 상기 개인 데이터는 카테고리들로 정렬되고,
    상기 방법은,
    - 공개 배포에 대해 사용자들이 부여하는 중요도에 기초하여, 상기 개인 데이터 카테고리들을 정렬하고 행동 인자들(behavioral factors)에 가중치를 할당함으로써, 상기 사용자의 센서티비티(sensitivities) 프로파일(PROF)을 규정하는 단계(300);
    - 상기 타겟 접촉으로부터 행동 데이터(DC)를 검색하는 단계(320);
    - 상기 검색된 행동 데이터에 기초하여, 상기 타겟 접촉의 각각의 행동 인자(behavioral factor)에 대한 등급(NF / di)을 추정하는 단계로서, 각각의 행동 인자는 상기 사용자의 상기 센서티비티 프로파일에 정렬된 각각의 개인 데이터 카테고리에 대해 점수가 매겨지는, 상기 등급 추정 단계(330);
    - 상기 개인 데이터 카테고리들에 대해 상기 타겟 접촉에 할당된 전체 등급(NGdi)을 전체로서 그리고 이들 각각에 대해 개별적으로 획득하기 위해, 상기 센서티비티 프로파일의 상기 행동 인자들 각각에 할당된 가중치를 고려하여 상기 추정된 등급들을 종합하는 단계(340); 및
    - 상기 전체 등급들에 기초하여 상기 타겟 접촉에 대해 개인 데이터를 배포하기 위한 규칙들을 구성하기 위해 상기 사용자에게 구성 권고안을 발행하는 단계(350, 351, 352)를 포함하는 것을 특징으로 하는, 개인 데이터 배포 규칙 구성 방법.
  2. 제 1 항에 있어서,
    상기 등급들의 계산은 또한 상기 사용자와 상기 타겟 접촉 사이에서 공통인 적어도 하나의 접촉과의 등급들의 공동의 교환을 통해 개선되는, 개인 데이터 배포 규칙 구성 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 권고안을 발행하는 단계는, 상기 개인 데이터 카테고리에 대해 획득된 전체 등급(NGdi)이 미리 결정된 문턱값(Si)보다 작으면, 상기 타겟 접촉에 대한 개인 데이터 카테고리로의 액세스를 차단하는 것을 제안하는 경고 메시지의 발행으로 구성되는, 개인 데이터 배포 규칙 구성 방법.
  4. 제 3 항에 있어서,
    상기 문턱값(Si)은 상기 발행된 권고안에 따를지 여부의 상기 사용자의 결정에 기초하여 수정되는, 개인 데이터 배포 규칙 구성 방법.
  5. 제 1 항 또는 제 2 항에 있어서,
    상기 타겟 접촉의 행동 데이터의 검색은 상기 사용자와 상기 타겟 접촉 사이에 공통인 접촉들과, 공개적으로 이용가능한 데이터에 의해 달성되는, 개인 데이터 배포 규칙 구성 방법.
  6. 제 1 항 또는 제 2 항에 있어서,
    상기 사용자의 센서티비티 프로파일은 상기 타겟 접촉에 할당된 등급들을 디스플레이하기 위해 상기 사용자에 의한 요청들에 기초하여 자동으로 편집되는, 개인 데이터 배포 규칙 구성 방법.
  7. 타겟 접촉에 대해 소셜 네트워크 사용자의 개인 데이터를 배포하기 위한 규칙들을 구성하기 위한 시스템에 있어서, 상기 개인 데이터는 카테고리들로 정렬되고,
    상기 시스템은,
    - 공개 배포에 대해 사용자들이 부여하는 중요도에 기초하여, 상기 개인 데이터 카테고리들을 정렬하고 행동 인자들에 가중치를 할당함으로써 상기 사용자가 센서티비티 프로파일을 규정할 수 있게 하는 입력 수단(10);
    - 상기 타겟 접촉의 행동 데이터를 검색할 수 있는 요청 모듈(20);
    - 상기 검색된 행동 데이터에 기초하여, 상기 타겟 접촉의 미리 결정된 행동 인자들에 등급(NF / di)을 추정하고 할당할 수 있는 계산 모듈(40)로서, 각각의 행동 인자는 상기 사용자의 상기 센서티비티 프로파일에 정렬된 각각의 개인 데이터 카테고리에 대해 등급이 매겨지는, 상기 계산 모듈(40);
    - 상기 개인 데이터 카테고리들에 대해 상기 타겟 접촉에 할당된 전체 등급(NGdi)을 전체로서 그리고 이들 각각에 대해 개별적으로 획득하기 위해, 상기 센서티비티 프로파일의 상기 행동 인자들 각각에 할당된 가중치를 고려하여 상기 추정된 등급들을 종합할 수 있는 종합 모듈(50); 및
    - 상기 획득된 전체 등급들에 기초하여 상기 타겟 접촉에 대해 개인 데이터를 배포하기 위한 규칙들을 구성하기 위해 상기 사용자에게 권고안을 발행할 수 있는 권고 모듈(70)을 포함하는 것을 특징으로 하는, 개인 데이터 배포 규칙 구성 시스템.
  8. 제 7 항에 있어서,
    상기 발행된 권고안에 따를지 여부의 상기 사용자 결정에 기초하여 상기 구성 결정 규칙들을 편집하고, 상기 타겟 접촉에 할당된 등급들을 디스플레이하기 위해 상기 사용자의 요청에 기초하여 상기 사용자의 센서티비티 프로파일을 편집할 수 있는 학습 모듈(80)을 더 포함하는, 개인 데이터 배포 규칙 구성 시스템.
  9. 제 7 항 또는 제 8 항에 있어서,
    상기 사용자의 상기 센서티비티 프로파일의 정렬된 개인 데이터 카테고리들과 상기 요청 모듈에 의해 검색된 상기 타겟 접촉의 행동 데이터 사이의 매칭을 확립할 수 있는 필터링 모듈(30)을 더 포함하는, 개인 데이터 배포 규칙 구성 시스템.
  10. 제 1 항 또는 제 2 항에 따른 방법을 구현하기 위해 적어도 하나의 마이크로프로세서 및 메모리를 포함하는, 애플리케이션 서버(SP).
  11. 애플리케이션 서버의 메모리에 로딩되도록 의도된 컴퓨터 프로그램 제품이 기록된 컴퓨터 판독가능 기록 매체로서, 상기 컴퓨터 프로그램 제품은 제 1 항 또는 제 2 항에 따른 방법이 상기 애플리케이션 서버의 프로세서에 의해 실행될 때, 상기 기술된 방법을 구현하는 소프트웨어 코드부들을 포함하는, 컴퓨터 프로그램 제품이 기록된 컴퓨터 판독가능 기록 매체.
KR1020137029167A 2011-04-05 2012-03-16 개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법 KR101519401B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1152934A FR2973906B1 (fr) 2011-04-05 2011-04-05 Procede de parametrage de regles de diffusion de donnees personnelles
FR1152934 2011-04-05
PCT/EP2012/054718 WO2012136462A1 (fr) 2011-04-05 2012-03-16 Procédé de paramétrage de règles de diffusion de données personnelles

Publications (2)

Publication Number Publication Date
KR20140002025A KR20140002025A (ko) 2014-01-07
KR101519401B1 true KR101519401B1 (ko) 2015-05-12

Family

ID=45833431

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137029167A KR101519401B1 (ko) 2011-04-05 2012-03-16 개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법

Country Status (7)

Country Link
US (1) US20140026184A1 (ko)
EP (1) EP2695098A1 (ko)
JP (1) JP5864720B2 (ko)
KR (1) KR101519401B1 (ko)
CN (1) CN103562929B (ko)
FR (1) FR2973906B1 (ko)
WO (1) WO2012136462A1 (ko)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8943015B2 (en) 2011-12-22 2015-01-27 Google Technology Holdings LLC Hierarchical behavioral profile
US9110998B2 (en) 2011-12-22 2015-08-18 Google Technology Holdings LLC Hierarchical behavioral profile
US20150286842A1 (en) * 2012-11-12 2015-10-08 Nec Corporation Information processing system that analyzes personal information, and method for analyzing personal information
US9278255B2 (en) 2012-12-09 2016-03-08 Arris Enterprises, Inc. System and method for activity recognition
US10212986B2 (en) 2012-12-09 2019-02-26 Arris Enterprises Llc System, apparel, and method for identifying performance of workout routines
EP2747371B1 (en) 2012-12-24 2018-02-07 Alcatel Lucent Access policy definition with respect to a data object
US20160092773A1 (en) * 2014-09-26 2016-03-31 Microsoft Corporation Inference-based individual profile
WO2016149929A1 (en) * 2015-03-26 2016-09-29 Nokia Technologies Oy Method, apparatus and computer program product for identifying a vulnerable friend for privacy protection in a social network
US9894076B2 (en) 2015-10-09 2018-02-13 International Business Machines Corporation Data protection and sharing
US10475144B2 (en) 2016-02-26 2019-11-12 Microsoft Technology Licensing, Llc Presenting context-based guidance using electronic signs
US20170289794A1 (en) * 2016-04-02 2017-10-05 Microsoft Technology Licensing, Llc Rules-Based Identity Broadcast
CN107918740A (zh) * 2017-12-02 2018-04-17 北京明朝万达科技股份有限公司 一种敏感数据决策判决方法及系统
CN111460495B (zh) * 2020-03-27 2023-06-23 北京锐安科技有限公司 一种数据分级管理系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003223394A (ja) * 2001-11-20 2003-08-08 Matsushita Electric Ind Co Ltd 交渉機能を有する装置と合意形成システム
JP2004192353A (ja) * 2002-12-11 2004-07-08 Nippon Telegr & Teleph Corp <Ntt> 個人情報開示制御システム及び個人情報開示制御方法
US7606772B2 (en) * 2003-11-28 2009-10-20 Manyworlds, Inc. Adaptive social computing methods
JP2007193611A (ja) * 2006-01-19 2007-08-02 Looops Communications Inc 会員制コミュニティサイトにおけるプロフィール情報管理方式
US8234688B2 (en) * 2009-04-03 2012-07-31 International Business Machines Corporation Managing privacy settings for a social network
US20100280965A1 (en) * 2009-04-30 2010-11-04 Nokia Corporation Method and apparatus for intuitive management of privacy settings
US9704203B2 (en) 2009-07-31 2017-07-11 International Business Machines Corporation Providing and managing privacy scores

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Proceedings of the 17th ACM Conference on Computer and Communications Security, CCS ‘10(2010-10-04, A Privacy Recommendation Wizard for Users of Social Networking Sites)

Also Published As

Publication number Publication date
EP2695098A1 (fr) 2014-02-12
KR20140002025A (ko) 2014-01-07
FR2973906A1 (fr) 2012-10-12
JP5864720B2 (ja) 2016-02-17
JP2014515855A (ja) 2014-07-03
CN103562929A (zh) 2014-02-05
CN103562929B (zh) 2017-03-15
FR2973906B1 (fr) 2015-07-31
WO2012136462A1 (fr) 2012-10-11
US20140026184A1 (en) 2014-01-23

Similar Documents

Publication Publication Date Title
KR101519401B1 (ko) 개인 데이터를 브로드캐스팅하기 위한 규칙들을 파라미터화하는 방법
US20110264531A1 (en) Watching a user&#39;s online world
US8117272B1 (en) Matching social network users
CN104981792B (zh) 针对内容项汇总交互
KR101171599B1 (ko) 소셜 네트워크를 이용한 신뢰할 수 있는 사용자 생성 콘텐트에의 액세스
KR101779530B1 (ko) 소셜 네트워크 데이터에 기반한 검색 결과의 클라이언트-측 변경
US10074094B2 (en) Generating a user profile based on self disclosed public status information
US9384501B2 (en) Managing reputations
US20100268776A1 (en) System and Method for Determining Information Reliability
US20140214895A1 (en) Systems and method for the privacy-maintaining strategic integration of public and multi-user personal electronic data and history
US9720964B1 (en) Methods for enhancing search using a social network
US20110213762A1 (en) System for targeting third party content to users based on social networks
US10380121B2 (en) System and method for query temporality analysis
WO2018024999A1 (fr) Moyens de diffusion d&#39;un contenu personnalisé dans un réseau de communication
US20110264525A1 (en) Searching a user&#39;s online world
Hillebrand et al. Towards reputation-as-a-service
US11113299B2 (en) System and method for metadata transfer among search entities
Bok et al. Contents recommendation scheme considering trust and collaborative filtering in online social networks
KR20130053927A (ko) 전자상거래 사이트의 신뢰도 계산 방법
US20140324824A1 (en) Search in Social Networks
Darwish et al. Photos and Tags: A Method to Evaluate Privacy Behavior
JP2022108680A (ja) プログラム、情報処理装置、及び方法
Lin et al. Using Properties of the Amazon Graph to Better Understand

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180427

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190417

Year of fee payment: 5