[논문 리뷰] A Combinatorial Enumeration Approach for Measuring Anonymity

Jean‐Charles Grégoire, Angèle M. Hamel|ArXiv.org|2009. 02. 10.

Internet Traffic Analysis and Secure E-voting참고 문헌 13인용 수 5

한 줄 요약

이 논문은 메시지 볼륨을 고려하여 송신자와 수신자 간 메시지 분포 방식의 수를 세는 조합적 수세기 기반 지표를 제안하여 임계값 믹스 네트워크에서 익명성 정도를 측정한다. 이는 이전 연구를 확장하여 송신자 및 수신자 메시지 수를 포함함으로써 대칭 함수와 생성 함수를 사용한 정확하고 효율적인 계산을 가능하게 하며, 결과적으로 더 많은 송신자가 일반적으로 익명성을 증가시키고, 시스템 구성에 따라 주로 선형적인 행동을 보임을 보여준다.

ABSTRACT

A recent paper of Edman et al. has taken a combinatorial approach to measuring the anonymity of a threshold mix anonymous communications system. Their paper looks at ways of matching individual messages sent to individual messages received, irrespective of user, and determines a measure of the anonymity provided by the system. Here we extend this approach to include in the calculation information about how many messages were sent or received by a user and we define a new metric that can be computed exactly and efficiently using classical and elegant techniques from combinatorial enumeration.

연구 동기 및 목표

• 임계값 믹스 익명 커뮤니케이션 시스템에서 익명성 정도를 측정하기 위한 정밀하고 종합적인 지표를 개발하기 위해.
• 이전 연구가 메시지 수준의 매칭에만 초점을 맞춘 데 비해, 송신자 및 수신자 메시지 볼륨 제약 조건을 통합함으로써 이를 확장하기 위해.
• 고전적 조합 수세기 기법을 활용하여 익명성 수준을 정확하고 계산 효율적으로 계산하는 방법을 제공하기 위해.
• 익명성이 송신자 및 수신자 메시지 분포 패턴에 따라 어떻게 변화하는지 분석하고, 특히 시스템 확장성과 구조적 경향성 측면에서 이해하기 위해.
• 사용자가 익명성을 유지하거나 향상시키기 위한 메시지 전송 전략을 안내하는 데 기여하기 위해.

제안 방법

• 지표는 유효한 메시지 분포 구성 수(COUNT)의 로그를 n!의 로그로 나눈 비율로 정의되며, 여기서 n!은 최대 익명성 경우(각 송신자 및 수신자당 한 메시지)를 나타낸다.
• 논문은 메시지 분포를 공과 용기 문제로 모델링한다: n개의 구별 가능한 메시지(송신자 기준)가 ℓ개의 수신자에게 분배되며, 각 수신자 j는 r_j개의 메시지를 수신하고, 송신자 i는 s_i개의 메시지를 송신한다.
• 조합 수세기에서 유래한 대칭 함수와 생성 함수를 사용하여 COUNT를 정확하고 효율적으로 계산함으로써 브루트 포스 수세기 방식을 피한다.
• 이 방법은 주어진 행합과 열합을 가진 정수 행렬의 수를 계산하는 데 알려진 조합 수학 결과를 활용하여, 송신자 및 수신자 메시지 수를 나타내는 행렬을 구성한다.
• 심볼릭 계산 도구인 Maple 등을 사용하여 메트릭을 계산함으로써 다양한 시스템 구성에서 빠른 평가가 가능해진다.
• 이 접근법은 다양한 송신자 및 수신자 메시지 볼륨 분할에 따른 익명성 경향을 체계적으로 분석할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 메시지 볼륨이 일정한 상태에서 송신자 수가 증가할 경우 익명성 정도는 어떻게 변화하는가?
• RQ2 한 송신자가 메시지 볼륨을 지배할 경우 전체 익명성 지표에 어떤 영향을 미치는가?
• RQ3 시스템 크기(메시지 수)가 증가할 때, 특히 송신자 대 수신자 메시지 비율을 유지할 경우 메트릭은 어떻게 행동하는가?
• RQ4 추가 메시지를 특정 수신자에게 전송할 경우 디익명화 위험이 증가하는지 감소하는지 예측하는 데 이 메트릭을 사용할 수 있는가?
• RQ5 다양한 메시지 분포 패턴에 걸쳐 메트릭이 어느 정도 선형 행동을 보이며, 이격된 부분은 어디에 발생하는가?

주요 결과

• 각 n명의 송신자가 정확히 한 메시지를 송신하고 각 n명의 수신자가 정확히 한 메시지를 수신할 경우 익명성 지표가 최대가 되며, 이 경우 n!가 가능한 메시지 쌍 조합 수가 된다.
• 한 송신자가 모든 n개의 메시지를 송신하고 한 수신자가 모든 n개의 메시지를 수신할 경우 지표 값은 0으로 떨어지며, 이는 익명성이 전혀 없는 상황을 의미한다.
• n=7일 때, 송신자 및 수신자 모두에서 가장 익명적인 구성(1,1,1,1,1,1,1)은 지표 값 1.0을, 가장 익명성이 낮은 구성(7)은 0.0을 기록한다.
• 지표는 일관된 경향을 보이며, 일반적으로 더 많은 송신자가 익명성을 증가시키지만, 이는 수신자 분포에 따라도 달라진다.
• 한 송신자의 메시지 수가 나머지 모든 송신자들의 합을 초과할 경우, n=7일 때 계수(COUNT)는 13,327로 안정화되지만, 지표 값은 여전히 지배도가 증가함에 따라 감소한다.
• 중간 구성에 대해 지표는 주로 선형 행동을 보이며, 완전히 익명적이거나 전혀 익명적이지 않은 극단적인 경우에서만 이격이 발생한다.