[論文レビュー] Quantifying Surveillance in the Networked Age: Node-based Intrusions and Group Privacy.

Laura Radaelli, Piotr Sapieżyński+3 more|arXiv (Cornell University)|Mar 23, 2018

Privacy-Preserving Technologies in Data参考文献 17被引用数 14

ひとこと要約

本稿は、ノード観測可能性とエッジ観測可能性の指標を導入することで、ネットワーキングシステムにおけるグループプライバシーを形式化し、ハブノードが監視リスクを増大させること、クラスタリングがそれを低減することを示している。合成データおよび実世界のモバイルデータを用いて、ノードの1%の侵害が通信の46%を露呈させることを実証し、個人中心のプライバシーモデルにおける構造的脆弱性を明らかにした。

ABSTRACT

From the right to be left alone to the right to selective disclosure, privacy has long been thought as the control individuals have over the information they share and reveal about themselves. However, in a world that is more connected than ever, the choices of the people we interact with increasingly affect our privacy. This forces us to rethink our definition of privacy. We here formalize and study, as local and global node- and edge-observability, Bloustein's concept of group privacy. We prove edge-observability to be independent of the graph structure, while node-observability depends only on the degree distribution of the graph. We show on synthetic datasets that, for attacks spanning several hops such as those implemented by social networks and current US laws, the presence of hubs increases node-observability while a high clustering coefficient decreases it, at fixed density. We then study the edge-observability of a large real-world mobile phone dataset over a month and show that, even under the restricted two-hops rule, compromising as little as 1% of the nodes leads to observing up to 46% of all communications in the network. More worrisome, we also show that on average 36\% of each person's communications would be locally edge-observable under the same rule. Finally, we use real sensing data to show how people living in cities are vulnerable to distributed node-observability attacks. Using a smartphone app to compromise 1\% of the population, an attacker could monitor the location of more than half of London's population. Taken together, our results show that the current individual-centric approach to privacy and data protection does not encompass the realities of modern life. This makes us---as a society---vulnerable to large-scale surveillance attacks which we need to develop protections against.

研究の動機と目的

• ノードおよびエッジ観測可能性の指標を用いて、ネットワーキング環境におけるブルシュタインのグループプライバシー概念を形式化すること。
• グラフ構造、特に次数分布、クラスタリング、ハブが監視露出に与える影響を分析すること。
• 大規模なモバイルデータセットを用いて、ノード侵害が通信および位置プライバシーに与える実世界の影響を評価すること。
• 現在の個人中心のプライバシーモデルが、大規模かつ分散型の監視攻撃に対して保護できないことを示すこと。

提案手法

• 監視露出をネットワークで定量化するための、局所的およびグローバルなノードおよびエッジ観測可能性を形式的指標として定義すること。
• エッジ観測可能性がグラフ構造に依存しないのに対し、ノード観測可能性が次数分布にのみ依存することを証明すること。
• 密度、クラスタリング、ハブを変化させるさまざまな構造的特性の下で、マルチホップ監視攻撃をシミュレートするための合成ネットワークモデルを用いること。
• 1か月間の実世界のモバイル電話データを分析し、2ホップルール下でのエッジ観測可能性を測定すること。
• スマートフォンアプリを導入して分散型ノード侵害をシミュレートし、都市部の人々における位置プライバシー露出を評価すること。
• 実際のセンシングデータを用いて、低確率のノード侵害から生じる都市規模の監視リスクをモデル化すること。

実験結果

リサーチクエスチョン

• RQ1 次数分布、クラスタリング、ハブが、監視状況下でのノードおよびエッジ観測可能性にどのように影響を与えるか。
• RQ2 実世界のネットワークにおいて、小さな割合のノードを侵害することで、どの程度広範な通信監視が生じるか。
• RQ3 監視の2ホップルールが、個々の通信および位置の観測可能性にどのような影響を与えるか。
• RQ4 人口の1%に対する分散型攻撃が、都市部の人々の監視を大規模に可能にするか。
• RQ5 現在の個人中心のプライバシーモデルが、グループレベルの監視リスクに対してどの程度保護を果たしていないか。

主な発見

• 実世界のモバイルネットワークでノードの1%を侵害すると、2ホップ監視ルール下で、すべての通信の最大46%が観測可能になる。
• ノードの1%が侵害された場合、平均して各個人の通信の36%が局所的エッジ観測可能になる。
• ハブの存在はノード観測可能性を増加させるが、高いクラスタリング係数は、ネットワーク密度が固定であってもそれを低減する。
• ロンドンの人口の1%をスマートフォンアプリで侵害することで、都市部の人口の半数以上をリアルタイムの位置データで監視可能になる。
• ノード観測可能性はネットワークの次数分布にのみ依存するが、エッジ観測可能性はグラフ構造に依存しない。
• これらの発見は、個人中心のプライバシーモデルにおける構造的脆弱性を明らかにし、ネットワーキング社会における集団的プライバシープロテクションの必要性を強調している。