[論文レビュー] Inference Control for Privacy-Preserving Genome Matching

Florian Kerschbaum, Martín Beck+1 more|arXiv (Cornell University)|May 1, 2014

Cryptography and Data Security参考文献 42被引用数 7

ひとこと要約

本稿は、編集距離の安全な計算とブルーム・フィルタへのファジー・コミットメントを組み合わせることで、グッドリッチの攻撃などの推論攻撃を検出・緩和するプライバシー保護型ゲノムマッチングプロトコルを提案する。同じ入力を両方のプリミティブで使用していることを保証する効率的なゼロ知識証明を導入し、機密データを露呈せずに類似クエリの検出が可能となる。これにより、繰り返しのプローブによる漏洩を防ぎつつ、プライバシーを保持する。

ABSTRACT

Privacy is of the utmost importance in genomic matching. Therefore a number of privacy-preserving protocols have been presented using secure computation. Nevertheless, none of these protocols prevents inferences from the result. Goodrich has shown that this resulting information is sufficient for an effective attack on genome databases. In this paper we present an approach that can detect and mitigate such an attack on encrypted messages while still preserving the privacy of both parties. Note that randomization, e.g.~using differential privacy, will almost certainly destroy the utility of the matching result. We combine two known cryptographic primitives -- secure computation of the edit distance and fuzzy commitments -- in order to prevent submission of similar genome sequences. Particularly, we contribute an efficient zero-knowledge proof that the same input has been used in both primitives. We show that using our approach it is feasible to preserve privacy in genome matching and also detect and mitigate Goodrich's attack.

研究の動機と目的

• 繰り返し、わずかに変更されたクエリを用いて攻撃者が標的ゲノムを再構築できる可能性がある、プライバシー保護型ゲノムマッチングにおける推論攻撃のリスクに対処すること。
• 差分プライバシーに依存せずにゲノムデータの漏洩を防ぎつつ、マッチングの有用性を損なわないこと。
• 暗号化されたデータ上で動作する暗号的プリミティブを用いて推論攻撃を検出・緩和することの効率性を維持すること。
• クライアントが安全な計算とファジー・コミットメントの間で不一致な入力を提出することで検出を回避できないようにすること。
• クエリ履歴のプレーンテキストマッチングとブルーム・フィルタのしきい値ベースのハミング距離を用いることで、検出精度と効率性のバランスをとること。

提案手法

• ゲノム間の編集距離を入力を露呈せずに計算するため、同型暗号とブルーム・フィルタを用いた安全な計算を用いる。
• ファジー・コミットメントによるブルーム・フィルタの比較を用いて、類似クエリを検出する。
• 安全な計算とファジー・コミットメントの両方で同じブルーム・フィルタが使用されていることを保証する、新規で効率的なゼロ知識証明を導入する。これにより、入力置換攻撃を防止する。
• 誤り訂正符号の入力が有効な情報語であることを検証するための第二のゼロ知識証明を適用する。これにより、不正なコミットメントを防止する。
• ブルーム・フィルタ表現間のハミング距離を指標として用い、不審なクエリパターンを検出する。しきい値を設定して、有効なパターンと攻撃的パターンを区別する。
• 編集分布の構造的差異に着目する：自然なゲノム変異は領域に散らばって発生するが、攻撃シーケンス（例：マスターマインド形式）は局所的に変化を引き起こし、NAGベクトルとブルーム・フィルタのビット差異によって検出可能である。

実験結果

リサーチクエスチョン

• RQ1 暗号化されたゲノムマッチングに対する推論攻撃は、マッチング結果の有用性を損なわせることなく検出・緩和可能か？
• RQ2 クライアントが安全な計算とファジー・コミットメントの間でわずかに異なる入力を提出することで、検出を回避できないようにするにはどうすればよいか？
• RQ3 ブルーム・フィルタの差異に基づいて、正当なゲノム変異と攻撃パターンをどの程度正確に区別できるか？
• RQ4 ゲノムマッチングにおける推論制御において、検出精度と計算効率のトレードオフはいかほどか？
• RQ5 複数の攻撃実行を交互に実行する適応的攻撃に対して、提案手法はどの程度有効か？

主な発見

• 提案手法は、ブルーム・フィルタのハミング距離を用いて、以前のクエリとあまりに類似したクエリを特定することで、グッドリッチ形式の推論攻撃を効果的に検出・緩和する。
• ブルーム・フィルタ間のハミング距離が50ビット未満であれば、最大31文字連続の変更または最大2つのランダムな変更を検出可能であり、最小編集距離が32に相当する。
• VGRAMベースのNAGベクトルを用いることで、ブルーム・フィルタの最大近似ハミング距離を正確に推定可能であり、1文字の変更に対して平均20ビットの誤差を有する。
• 入力の一貫性を保証するゼロ知識証明は、一般的な構成より効率的であり、誤り訂正の完全な同型証明の必要性を回避する。
• 75%の精度を達成するためのクエリ数は35,000件に制限され、グッドリッチの元来の手法と比較して攻撃コストを著しく増加させる。
• ブルーム・フィルタのビット差異に基づき、自然なゲノム変異（散らばった編集）と攻撃パターン（局所的編集）を区別できるため、誤検出が低減される。