[論文レビュー] Smartphone Fingerprinting Via Motion Sensors: Analyzing Feasiblity at Large-Scale and Studing Real Usage Patterns.

Anupam Das, Nikita Borisov+2 more|arXiv (Cornell University)|May 27, 2016

Internet Traffic Analysis and Secure E-voting参考文献 29被引用数 7

ひとこと要約

本稿では、スマートフォンのモーションセンサーを用いた大規模なデバイスファングプリント技術が、100,000人のユーザーにおいて12%の分類精度で実現可能であることを示している。多くのウェブサイトがすでにモーションセンサーのデータを収集していることが判明しており、トラッキングが可能である。本稿では、誤魔化し（obfuscation）と量子化（quantization）の2つの対策手法を評価し、センサーの有用性を損なわずにファングプリント精度を低下させることを実証した。

ABSTRACT

Advertisers are increasingly turning to fingerprinting techniques to track users across the web. As web browsing activity shifts to mobile platforms, traditional browser fingerprinting techniques become less effective; however, device fingerprinting using built-in sensors offers a new avenue for attack. We study the feasibility of using motion sensors to perform device fingerprinting at scale, and explore countermeasures that can be used to protect privacy. We perform a large-scale user study to demonstrate that motion sensor fingerprinting is effective with even 500 users. We also develop a model to estimate prediction accuracy for larger user populations; our model provides a conservative estimate of at least 12% classification accuracy with 100000 users. We then investigate the use of motion sensors on the web and find, distressingly, that many sites send motion sensor data to servers for storage and analysis, paving the way to potential fingerprinting. Finally, we consider the problem of developing fingerprinting countermeasures; we evaluate a previously proposed obfuscation technique and a newly developed quantization technique via a user study. We find that both techniques are able to drastically reduce fingerprinting accuracy without significantly impacting the utility of the sensors in web applications.

研究の動機と目的

• スマートフォンのモーションセンサーを用いた大規模なデバイスファングプリントの可能性を評価すること。
• ウェブ上で実際の使用状況において、モーションセンサーのデータがどの程度利用されているかを調査すること。
• ファングプリント精度を低下させつつもセンサーの有用性を維持できるプライバシー保護対策を評価すること。

提案手法

• 500名の参加者を対象に大規模なユーザースタディを実施し、モーションセンサーのデータ収集とファングプリント精度の評価を実施した。
• 予測モデルを構築し、より大きな集団における分類精度を推定した。100,000人のユーザーにおいて最低12%の精度が見込まれた。
• 実際のウェブトラフィックを分析し、サーバーへモーションセンサーのデータが送信されているかを検出することで、ファングプリントの可能性のある経路を同定した。
• 以前に提案された誤魔かし技術を評価し、ファングプリントを妨害する効果を検証した。
• センサーのデータ精度を低下させ、ファングプリントの独自性を低下させるために、新規の量子化技術を提案・実装した。
• ユーザースタディを実施し、対策手法のファングプリント精度への影響とアプリケーションの有用性への影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンのモーションセンサーは、大規模なデバイスファングプリントに効果的に利用可能か？
• RQ2 実際のウェブ利用状況において、ウェブサイトがモーションセンサーのデータをどの程度収集・送信しているか？
• RQ3 既存の対策手法は、センサーユーティリティを著しく損なわずに、ファングプリント精度をどの程度低下させることができるか？
• RQ4 100,000人のユーザーといったスケールでのモーションセンサーによるファングプリントの予想分類精度はどの程度か？
• RQ5 プライバシー保護の観点から、誤魔かしと量子化の手法は、有効性と使いやすさの観点でどのように比較できるか？

主な発見

• 100,000人のユーザーにおいて、モーションセンサーによるファングプリントで少なくとも12%の分類精度を達成しており、大規模な実用可能性が裏付けられた。
• 大規模なユーザースタディにより、500人のユーザーでもモーションセンサーによるファングプリントが有効であることが確認された。
• 多くのウェブサイトがモーションセンサーのデータを収集・送信しており、ファングプリントの実現可能な経路が存在することが判明した。
• 誤魔かし技術は、ファングプリント精度を顕著に低下させたが、センサーの有用性への顕著な影響は見られなかった。
• 新規に提案された量子化技術も、ファングプリント精度を低下させつつ、ウェブアプリケーションの機能を維持した。
• 両方の対策手法は実際の現場でも有効であり、ユーザーエクスペリエンスを損なわずにプライバシーを保護できることが示された。