[論文レビュー] A Highly Accurate Query-Recovery Attack against Searchable Encryption using Non-Indexed Documents

Marc Damie, Florian Hahn+1 more|University of Twente Research Information|Jun 27, 2023

Cryptography and Data Security参考文献 16被引用数 4

ひとこと要約

本論文は、検索可能な対称暗号化（SSE）に対する、非常に効果的な類似データのクエリ回復攻撃を提示している。この攻撃は、わずか10件の既知のクエリと、分布的に類似した非インデックス化ドキュメントのみを用いて、最大90％のクエリ回復精度を達成する。攻撃は、解釈性が高く、敵対者による知識が最小限であるにもかかわらず、反復的にキーワードを回復するための洗練された信頼性スコアメカニズムを用いる。これは、従来の手法とは異なり、インデックス化ドキュメントの20％以上を正確に把握する必要がない。

ABSTRACT

Cloud data storage solutions offer customers cost-effective and reduced data management. While attractive, data security issues remain to be a core concern. Traditional encryption protects stored documents, but hinders simple functionalities such as keyword search. Therefore, searchable encryption schemes have been proposed to allow for the search on encrypted data. Efficient schemes leak at least the access pattern (the accessed documents per keyword search), which is known to be exploitable in query recovery attacks assuming the attacker has a significant amount of background knowledge on the stored documents. Existing attacks can only achieve decent results with strong adversary models (e.g. at least 20% of previously known documents or require additional knowledge such as on query frequencies) and they give no metric to evaluate the certainty of recovered queries. This hampers their practical utility and questions their relevance in the real-world. We propose a refined score attack which achieves query recovery rates of around 85% without requiring exact background knowledge on stored documents; a distributionally similar, but otherwise different (i.e., non-indexed), dataset suffices. The attack starts with very few known queries (around 10 known queries in our experiments over different datasets of varying size) and then iteratively recovers further queries with confidence scores by adding previously recovered queries that had high confidence scores to the set of known queries. Additional to high recovery rates, our approach yields interpretable results in terms of confidence scores.

研究の動機と目的

• 実際にインデックス化されたドキュメントの知識を必要としない、実用的な受動的クエリ回復攻撃の開発を目的とする。
• インデックス化ドキュメントの20％以上を正確に把握する必要がある従来の攻撃の限界を克服することを目的とする。
• 例えば過去のデータ漏洩から得られるような、分布的に類似した非インデックス化ドキュメントのみを用いて、効果的なクエリ回復を可能にすることを目的とする。
• 回復されたクエリに対して解釈可能で高精度な結果を提供する信頼性スコアメトリクスを導入することを目的とする。
• クエリ分布と既知のクエリ選択が攻撃効果に与える影響を評価することを目的とする。

提案手法

• 攻撃は、特定のキーワードに対応する可能性が高いとされるクエリトークン（トラップドア）を評価するための洗練されたスコア関数を用いる。正しいペアである場合にスコアが最大になるように設計されている。
• 攻撃は、わずか10件の既知のクエリ-トークンペアから開始し、信頼性の高い回復ペアを段階的に追加することで、既知のセットを拡大する。
• 信頼性スコアは、クエリの結果セットと既知のドキュメントとの重複に基づいて計算され、分布的類似性を活用している。
• 攻撃者は、暗号化ドキュメントと分布的に類似したがインデックスに含まれないデータセットへのアクセスを仮定している。
• 統計的モデリングを用いて、トラップドア-キーワードの一致確率を推定し、スコアは回復の信頼性を反映するようにキャリブレーションされている。
• 攻撃は、均一分布とZipf分布の両方のクエリ分布を想定して評価され、実用的応用性を検証する。

Figure 2: Average accuracy of the base matching algorithm on Enron for vocabulary size. Parameters: $|\mathcal{D}_{\text{sim}}|=12K,|\mathcal{D}_{\text{real}}|=18K,|\mathcal{Q}|=0.15\cdot m_{\text{real}}$

実験結果

リサーチクエスチョン

• RQ1 受動的クエリ回復攻撃は、インデックス化ドキュメントの正確な知識がなくても高い精度を達成できるか？
• RQ2 攻撃者がインデックス化されていないが分布的に類似したドキュメントのみにアクセスできる場合、攻撃のパフォーマンスはどの程度か？
• RQ3 既知のクエリの分布（例えば頻出キーワード対ランダムキーワード）が攻撃成功確率にどの程度影響を与えるか？
• RQ4 現実のクエリ分布（例えばZipf分布）は、一般的に仮定される均一分布と比較して、攻撃効果にどの程度差を生じるか？
• RQ5 信頼性スコアは、クエリ回復攻撃において解釈可能で信頼性の高い結果を提供できるか？

主な発見

• 洗練されたスコア攻撃は、わずか10件の既知のクエリトークンと非インデックス化で分布的に類似したドキュメントを用いることで、最大90％のクエリ回復率を達成する。
• Zipf分布クエリの下では、語彙サイズ1,000の条件下で91％の精度に達し、均一分布の下での結果を著しく上回る。
• 既知のクエリが増えるほど攻撃のパフォーマンスは向上し、頻出キーワードを既知のクエリとして使用することで、精度のばらつきも低下する。
• 非均一なクエリ分布（例えばZipf分布）の下では攻撃がより効果的であり、均一仮定と比較して回復精度をほぼ2倍にまで高められる。
• 信頼性スコアメトリクスは解釈可能な結果を提供し、攻撃者が各回復クエリの信頼性を評価できる。
• 従来の対策（パディングや難読化）が、洗練されたスコア攻撃に対して効果的に機能することが示された。

Figure 3: Average execution time of the matching algorithm for vocabulary size Parameters: $|\mathcal{D}_{\text{sim}}|=12K,|\mathcal{D}_{\text{real}}|=18K,|\mathcal{Q}|=0.15\cdot m_{\text{real}},|\text{Known}\mathcal{Q}|=10$