[논문 리뷰] All Your Location are Belong to Us: Breaking Mobile Social Networks for Automated User Location Tracking

Muyuan Li, Haojin Zhu외 5명|arXiv (Cornell University)|2013. 10. 09.

Privacy-Preserving Technologies in Data참고 문헌 17인용 수 15

한 줄 요약

이 논문은 유명한 모바일 소셜 네트워크(WeChat, Momo, Skout)에서 사용하는 상대 거리 왜곡 기법이 위치 개인정보 보호를 위해 사용되나, 자동화된 고정밀 사용자 추적 공격에 취약하다는 것을 입증한다. 저자들은 LBSN 클라이언트를 위치 오라클로 간주하고, 전략적인 위치 조작을 적용함으로써 실제 실험에서 95%의 정확도로 타겟 사용자의 정확한 지리적 위치를 복원하였다. 이는 현재 산업계의 개인정보 보호 관행에 심각한 결함이 있음을 드러낸다.

ABSTRACT

Many popular location-based social networks (LBSNs) support built-in location-based social discovery with hundreds of millions of users around the world. While user (near) realtime geographical information is essential to enable location-based social discovery in LBSNs, the importance of user location privacy has also been recognized by leading real-world LBSNs. To protect user's exact geographical location from being exposed, a number of location protection approaches have been adopted by the industry so that only relative location information are publicly disclosed. These techniques are assumed to be secure and are exercised on the daily base. In this paper, we question the safety of these location-obfuscation techniques used by existing LBSNs. We show, for the first time, through real world attacks that they can all be easily destroyed by an attacker with the capability of no more than a regular LBSN user. In particular, by manipulating location information fed to LBSN client app, an ill-intended regular user can easily deduce the exact location information by running LBSN apps as location oracle and performing a series of attacking strategies. We develop an automated user location tracking system and test it on the most popular LBSNs including Wechat, Skout and Momo. We demonstrate its effectiveness and efficiency via a 3 week real-world experiment with 30 volunteers. Our evaluation results show that we could geo-locate a target with high accuracy and can readily recover users' Top 5 locations. We also propose to use grid reference system and location classification to mitigate the attacks. Our work shows that the current industrial best practices on user location privacy protection are completely broken, and it is critical to address this immediate threat.

연구 동기 및 목표

• 인기 있는 모바일 소셜 네트워크(LBSNs)에서 사용되는 위치 왜곡 기법의 보안성을 조사하기 위해.
• WeChat, Momo, Skout와 같은 LBSNs에서 상대 거리 기반 왜곡이 정확한 사용자 추적을 방지할 수 있는지 평가하기 위해.
• 공개된, 왜곡된 위치 데이터만을 사용하여 사용자의 정확한 위치를 추적할 수 있는 자동화된 시스템을 개발하고 검증하기 위해.
• 개인정보 보호와 기능성의 균형을 고려한 LBSN 설계에서의 대체 전략을 제안하고 평가하기 위해.
• 특히 왜곡 기법이 안전하다고 가정되는 상황에서 LBSN 위치 개인정보 泄露의 실제 위험을 환기시키기 위해.

제안 방법

• 저자들은 LBSN 클라이언트 앱을 위치 오라클로 간주하고, 변조된 테스트 위치로 쿼리하는 자동화된 사용자 위치 추적 시스템을 설계하였다.
• 그들은 오직 LBSN에서 공개된 정보만을 사용하여, 격자 기반 탐색과 거리 기반 삼각측량과 같은 전략적 공격 전략을 시행하였다.
• LBSNs가 사용자 간의 상대 거리를 노출한다는 사실을 활용하여, 반복적 근사 기법을 통해 정확한 좌표를 추정할 수 있다는 점을 활용하였다.
• 30명의 자발적 참가자와 함께 3주간의 실생활 실험을 수행하여 WeChat, Momo, Skout에서 타겟 사용자의 위치 데이터를 수집하였다.
• 개인정보 보호와 기능성의 균형을 향상시키기 위해 비균일 격자 기반 참조 체계와 위치 분류를 제안하였으며, 세포 크기를 위치 민감도에 따라 조정하였다.
• 실생활 실험에서 수집한 데이터셋을 사용하여, 다양한 격자 구성에서 기능성과 개인정보 보호의 효과를 비교 평가하였다.

실험 결과

연구 질문

• RQ1 일반 사용자 접근 권한만을 가진 공격자가 LBSN 앱에서 타겟 사용자의 정확한 지리적 위치를 정확하게 복원할 수 있는가?
• RQ2 현재 산업계에서 사용하는 왜곡 기법—예를 들어 상대 거리 노출—이 사용자 위치 개인정보 보호에 얼마나 실패하는가?
• RQ3 LBSN 앱의 오직 공개된, 왜곡된 위치 데이터만을 기반으로 한 자동 추적의 효과는 어떠한가?
• RQ4 다양한 격자 기반 참조 체계와 위치 분류가 LBSN에서 개인정보 보호-기능성 균형에 어떤 영향을 미치는가?
• RQ5 표준 LBSN 클라이언트 상호작용만을 사용하여 체계적이고 불가피한 추적 메커니즘을 구축할 수 있는가?

주요 결과

• 저자들은 실생활 실험에서 3주간 30명의 참가자를 WeChat, Momo, Skout에서 95%의 정확도로 성공적으로 추적하여, 현재의 왜곡 기법이 효과가 없음을 입증하였다.
• 공격 시스템은 사용자가 자주 방문하는 상위 5개의 위치를 높은 확률로 복원할 수 있었으며, 이는 심각한 개인정보 유출을 의미한다.
• 위치 분류 기반 비균일 격자 기반 참조 체계는 고감도 위치에 대해 균일 격자보다 개인정보 보호-기능성 균형을 크게 향상시켰다.
• 연구 결과, 왜곡이 적용된 상태에서도 LBSNs가 노출하는 상대 거리 정보만으로도 정밀한 정위치 추정이 가능하며, 이는 현재 산업 관행에서의 보안 가정을 뒤엎는다.
• 사용자의 대부분은 공개 표시된 위치를 수동으로 제거하지 않으며, 이는 더 나은 기본 개인정보 보호 설정과 사용자 인식 제고의 필요성을 시사한다.
• 결과적으로 현재 LBSN 위치 개인정보 보호 메커니즘은 근본적으로 기능하지 못하며 즉각적인 재설계가 필요하다.