Nature子刊：删帖无用，8位好友推文就能暴露你是谁！ -集智俱乐部的财新博客-财新网

导语

也许你在微博上只是浏览从不发言，也许你已经把所有微博都删掉了，但不要以为这样就可以完全隐身。最近的一项研究表明，仅仅通过用户几位好友的历史推文，就可以在相当高的程度上，预测该用户的后续推文（当然研究者用的是 Twitter 数据）。

自己不发言可以，但你管得了朋友们吗？

一些人在社交网络上有很多好友，但从不发言。他们以为只要保持沉默，就可以避免被陌生人窥探、被大数据捕捉分析。这种想法太乐观了。

2019年1月，一篇发表在 Nature Human Behaviour 的论文发现，仅仅通过分析线上好友的推文数据，特别是其中的互动，就有可能预测一个人在社交媒体上未来的行为。

论文题目：Information flow reveals prediction limits in online social activity

论文地址：

https://www.nature.com/articles/s41562-018-0510-5

论文作者 Bagrow，Liu 和 Mitchell 来自美国佛蒙特大学佛蒙特复杂系统中心。通过分析上万名 Twitter 用户及其好友的数据，研究者发现：对用户行为的预测准确率存在上限（64%），不过仅仅利用好友们的推文数据，就可以达到预测上限的95%。

这意味着即使你从不发推文，但通过分析你的好友，就能预测出你是怎样的人。而且如果朋友在推文中@了你，或者你在朋友推文下面有互动留言，那么预测会更准确！

甚至，只需要使用9个好友的推文数据来做分析，对你下一条推文做预测，就比用你个人历史推文数据来预测还要准确！

删号一了百了？好友们还记着你

在 Twitter、微博、Facebook等社交媒体中，用户之间通过评论、回复和@等方式互动。如上图所示，有一些是单向的行为，有些是双向的互动。大量的个人信息就隐藏其中。

虽然用户随时可以选择离开一个社交网络，并且删除所有的个人信息，成为一个“影子用户”，但是曾经好友们写下的帖子仍然会保留，除非好友们也把推文全部删除。

即使你把个人主页删得空空如也，完全弃用，通过你好友们的推文，以及其中你们的互动，依然可以推测出你的特征属性。

研究者以927个用户为研究对象，找出分别与他们每个人最常联系的14位好友，从而构建起包含13905名 Twitter 用户和30852700条公开推文的数据集。

研究者们构建了927个小社交网络，每个社交网络上有15个节点。他们首先计算了推文内容的不确定性（用信息熵衡量），再换算为用户发帖行为的可预测性（predictability），从而量化分析“用户推文可预测性”及其影响因素。

这里的可预测性，并非计算机的预测准确率，而指的是算法预测能力的上限。如果可预测性是50%，那意味着使用最好的算法来做预测，准确度最高能达到50%。

研究一个人，8位好友数据就够了

研究者使用了三种数据分别做研究：

只使用某个用户的推文数据

只使用某个用户的好友的推文数据

同时使用某个用户的推文数据和该用户的好友的推文数据

整体来看，使用越多的好友数据，用户未来行为的可预测性越高。

如果只选取用户自身的推文数据，则用户推文的平均可预测性是53.8%，即图中的黑色基准线。

如蓝色线表示，当同时使用某用户自身推文数据和好友推文数据进行预测时，该用户推文的可预测性最高，可以达到60%左右。而且随着采样好友数量的增加，可预测性会缓慢增强。

但如橙色线所示，即使仅仅基于好友推文数据，计算出来用户推文的可预测性，也已经高于随机社交网络关系（浅灰）、特定推文时刻（深灰）这两种控制条件。这意味着，用户好友推文数据中，蕴含着大量可供预测用户行为特征的有效信息。

如果选用包含某位用户8位好友的数据，那么该用户推文的可预测性可以达到53.8%的对比基准线。而如果使用某用户9位以上好友的数据，则该用户推文的可预测性会超过基准线。

这意味着，即使你的推文列表空空如也，你的好友们一样会暴露你的特征信息、推文习惯，而且8个好友就够了！好友推文中蕴含的与你有关的信息，可能比你自己推文列表中的个人信息还要多。

用户推文可预测性存在上限

再高明的预测手段，都无法做100%准确的预测。对用户来说，他们未来推文的可预测性存在极限。

当好友数量非常多，趋于无穷时，仅仅基于好友推文数据的“用户推文可预测性”会有60.8%的上限，而基于用户和好友推文数据的“用户推文可预测性”，上限是64%。

当然人不会有无穷多的朋友，认知上限决定了一个人最多只能拥有150位联系紧密的朋友。基于用户150位好友的推文数据，“用户推文可预测性”可以达到60.3%，如果加上用户本人的历史推文数据，可预测性将会达到63.5%。

根据邓巴数理论（Dunbar's number），一个人的熟人数量上限是150人，本研究中选取了其中最常联系的14个好友，实际研究时把用户自身也作为一个好友处理。

大V好友，反而不会暴露朋友信息？

不过这项研究表明，如果你有一个大 V 朋友，那 Ta 泄露你个人信息的风险，比其他普通朋友泄露你信息的风险要低。

原因可能是，对于用户 A 来说，他最常联系的14位朋友中有一位是大 V，但对这位大 V 而言，用户 A 未必是他的14位最常联系的好友之一。

这927个社交网络的13905人，有各种各样的社交地位：他们中大部分是有一两百位联系人的普通用户，而少量的社交达人，可以有上千个联系人。

如果只选取用户一位好友的数据，能否预测该用户的行为呢？

研究者在研究这927个社交网络的中心用户时发现，在仅仅选取用户某一位好友的推文数据作为依据时，该用户行为可预测性有30%左右。但是选取不同的好友数据，对“用户推文可预测性”的影响很大。

如果选取的这位好友是社交达人，联系人数量很多，那么计算出来的“用户推文可预测性”就很低。如果选取的这位用户好友是普通用户，只有一两百人，甚至几十人时，计算出来的“用户推文可预测性”就很高。

其实这一点很容易理解，如果你的某一位好友本身是社交达人，那 Ta 投放在你身上的注意力一般不会太多，你在 Ta 的推文中不会经常出现。所以，大V 好友反而不会暴露你的个人信息。

如果互联网的数据打通也许将再无隐私可言

每个人都在社交网络上生活，在享受与朋友沟通、获取信息的便利的同时，也在承担着隐私泄露的风险。

虽然在这项研究中，根据历史推文内容预测后续推文，可预测性有60%左右的上限，但研究者对具体推文信息的研究目前还不够深。根据社交网络上好友的属性，科学家们已经可以比较准确地猜测出用户的宗教信仰、朋友关系、常去地点，甚至是性取向。所以这项研究还有更进一步的空间。

目前，几位研究者正在谋求从 Facebook 和 Google 等不同平台上获得用户的公开推文信息，他们未来的计划是，通过好友推文内容，从多个维度上构建起用户的特征，并提供实际预测的案例。

如果能够同时获得某一用户在多个社交媒体平台上的数据，那么建立起一个人完整清晰的网络形象，也不再是难事。

一面微博，一面朋友圈，但如果互联网公司们的数据打通，那么，你将会以怎样的形象出现在朋友面前呢？

细思极恐。

参考资料：

https://www.nature.com/articles/s41562-018-0513-2

https://www.nature.com/articles/s41562-018-0510-5

作者：Elena

审校：李周园

编辑：杨清怡

话题：