[論文レビュー] BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data Silos

Xiaoyuan Liu, Ni Trieu+2 more|arXiv (Cornell University)|Jul 5, 2020

COVID-19 Digital Contact Tracing参考文献 10被引用数 4

ひとこと要約

BeeTraceは、プライバシーを守りながら統合型の接触追跡プラットフォームであり、安全なマルチパーティ計算（MPC）と標準化されたデータフォーマットを用いて、複数のデータソース（業務記録や個人デバイスデータなど）を統合することで、データ・スロットルを解体する。効率的かつプライベートに、高リスクの場所を特定可能にするための無関心集計とハブ・ハッカー計算を実現し、強固なプライバシー保証を達成しながら、アウトブレイク検出のカバレッジを向上させる。

ABSTRACT

Contact tracing is an important method to control the spread of an infectious disease such as COVID-19. However, existing contact tracing methods alone cannot provide sufficient coverage and do not successfully address privacy concerns of the participating entities. Current solutions do not utilize the huge volume of data stored in business databases and individual digital devices. This information is typically stored in data silos and cannot be used due to regulations in place. To successfully unlock the potential of contact tracing, we need to consider both data utilization from multiple sources and the privacy of the participating parties. To this end, we propose BeeTrace, a unified platform that breaks data silos and deploys state-of-the-art cryptographic protocols to guarantee privacy goals.

研究の動機と目的

• GPSやBluetoothに依存する現在の接触追跡システムが、間接的な接触を検出できず、業務データやデバイスデータを活用できないという限界を是正すること。
• ユーザーのプライバシーを損なわずに、企業や個人といった異なるデータソース間での安全なデータ共有を可能にすること。
• データフォーマットを標準化し、複数の関係者にわたる分散型でプライバシーを守る接触追跡を支援する統合プラットフォームを構築すること。
• 機密性の高いデータを保護しつつ、高リスクの場所や影響を受けた個人の正確な特定を可能にする暗号技術的ソリューションを提供すること。
• 接触追跡を越えて応用可能な、スケーラブルでプライバシーを守るデータ連携モデルの実現可能性を示すこと。

提案手法

• 企業や個人デバイスを含む多様なデータソース間で接触および場所データを標準化するための、細粒度の適応を可能にする統合データフォーマットを導入すること。
• 個人データを露呈させずに訪問記録を集計できるよう、安全なマルチパーティ計算（MPC）プロトコルを採用すること。
• 無関心集計を用いて、個々の訪問記録やユーザーIDを漏らさずに、各場所への訪問総数を計算すること。
• 診断済みまたは未発覚のキャリアからの頻繁な訪問を特定するため、ハブ・ハッカー問題の解決策を適用すること。
• 機密性と整合性を確保するため、安全なキーバリューアグリゲーションや微分プライバシーに類似したプロトコルなどの暗号技術を導入すること。
• 信頼できるアグリゲーター（MA）が個々のユーザーのデータを学習せずにリスクヒートマップを計算できる分散型アーキテクチャを設計すること。

実験結果

リサーチクエスチョン

• RQ1 接触追跡システムは、直接の人間同士の接近を超えて、共有場所を通じた間接的接触をどのように効果的に検出できるか？
• RQ2 複数の信頼できないソースからの場所データを集計する際、ユーザーのプライバシーを損なわず安全に実現できる暗号プロトコルは何か？
• RQ3 企業や個人デバイスに存在するデータスロットルは、プライバシー規制に違反せずに、どのように解体され、接触追跡のカバレッジを向上できるか？
• RQ4 プライバシーを守る接触追跡システムにおいて、効率性、スケーラビリティ、セキュリティの間にはどのようなトレードオフがあるか？
• RQ5 標準化された統合データフォーマットは、相互運用性と安全な接触追跡プラットフォームの大規模な展開を可能にするか？

主な発見

• BeeTraceは、企業や個人からの訪問記録を集計することで、安全なマルチパーティ計算を用いてユーザーのプライバシーを守りながら、高リスクの場所を検出可能にする。
• 通信および時間計算量が大規模展開に適した安全でスケーラブルなプロトコルを用いて、頻繁に訪問される場所（ハブ・ハッカー）のプライベートな特定を実現する。
• 無関心集計により、信頼できないアグリゲーターが個々の訪問パターンやユーザーIDを学習せずに、各場所への訪問総数を計算可能となる。
• 診断済みおよび未発覚のキャリアをトレーシングの出発点としてサポートするため、無症状または前症候性の感染経路の検出が向上する。
• データフォーマットの標準化と複数ソース間のデータ統合を可能にすることで、GPSやBluetoothに依存するシステムに比べ、接触追跡のカバレッジが顕著に向上する。
• プラットフォームの設計は接触追跡を越えて拡張可能であり、プライベートな接触発見や資格証明の照合など、応用が期待できる。