[논문 리뷰] BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data Silos

Xiaoyuan Liu, Ni Trieu외 2명|arXiv (Cornell University)|2020. 07. 05.

COVID-19 Digital Contact Tracing참고 문헌 10인용 수 4

한 줄 요약

BeeTrace는 개인 정보를 보호하는 통합형 접촉 추적 플랫폼으로, 보안 다자간 계산(MPC)과 표준화된 데이터 형식을 사용하여 다중 소스 데이터—사업 기록 및 개인 기기 데이터를 통합함으로써 데이터 사각지대를 해체한다. 무관심 집계와 하이 헤비어스 계산을 통해 효율적이고 사생활 보호가 보장된 고위험 지역 식별을 가능하게 하며, 강력한 개인정보 보호 보장을 확보하면서도 유행병 탐지 범위를 향상시킨다.

ABSTRACT

Contact tracing is an important method to control the spread of an infectious disease such as COVID-19. However, existing contact tracing methods alone cannot provide sufficient coverage and do not successfully address privacy concerns of the participating entities. Current solutions do not utilize the huge volume of data stored in business databases and individual digital devices. This information is typically stored in data silos and cannot be used due to regulations in place. To successfully unlock the potential of contact tracing, we need to consider both data utilization from multiple sources and the privacy of the participating parties. To this end, we propose BeeTrace, a unified platform that breaks data silos and deploys state-of-the-art cryptographic protocols to guarantee privacy goals.

연구 동기 및 목표

• 현재의 접촉 추적 시스템이 GPS와 블루투스에만 의존하여 간접적 접촉을 놓치고, 사업 또는 기기 데이터를 활용하지 못하는 한계를 해결하기 위해.
• 사용자 개인정보를 훼손하지 않고도 기업과 개인 간 서로 다른 데이터 소스 간에 안전한 데이터 공유를 가능하게 하기 위해.
• 다양한 이해관계자 간에 분산형으로 개인정보 보호가 보장된 접촉 추적을 지원하는 통합 플랫폼을 구축하고, 데이터 형식을 표준화하기 위해.
• 민감한 데이터를 보호하면서도 고위험 지역과 노출된 개인을 정확하게 식별할 수 있는 암호 기반 솔루션을 제공하기 위해.
• 접촉 추적을 넘어 적용 가능한 확장 가능한 개인정보 보호 기반 데이터 협업 모델의 실현 가능성을 입증하기 위해.

제안 방법

• 다양한 소스—기업 및 개인 기기 포함—에서 접촉 및 위치 데이터를 표준화하기 위해 세분화 조정 기능을 갖춘 통합 데이터 형식을 도입한다.
• 개인 정보 폭 드러남 없이 방문 기록을 집계할 수 있도록 보안 다자간 계산(MPC) 프로토콜을 적용한다.
• 개인 방문 기록의 기밀성을 유지하면서도 각 장소의 총 방문 수를 계산하기 위해 무관심 집계를 사용한다.
• 감염자 또는 발견되지 않은 확산자로부터 빈번히 방문되는 고위험 지역을 식별하기 위해 하이 헤비어스 문제 해결 기법을 적용한다.
• 기밀성과 무결성을 보장하기 위해 보안 키-값 집계 및 차등 공정성에 가까운 프로토콜과 같은 암호 기법을 구현한다.
• 신뢰할 수 있는 집계자(MA)가 개인 사용자 데이터를 알지 못하는 분산 아키텍처를 설계하여 위험도 맵을 계산한다.

실험 결과

연구 질문

• RQ1 접촉 추적 시스템은 직접적인 인간 간 접촉 외에도 공유된 장소를 통해 간접적 접촉을 효과적으로 탐지할 수 있는가?
• RQ2 다양한 신뢰할 수 없는 소스에서 온 위치 데이터를 안전하게 집계하면서도 사용자 개인정보를 보호할 수 있는 암호 프로토콜은 무엇인가?
• RQ3 사업 기기 및 개인 기기의 데이터 사각지대를 어떻게 해체하여 개인정보 보호 규정을 위반하지 않으면서도 접촉 추적 커버리지를 향상시킬 수 있는가?
• RQ4 개인정보 보호 기반 접촉 추적 시스템에서 효율성, 확장성, 보안 간의 상호 교환 관계는 어떠한가?
• RQ5 표준화된 통합 데이터 형식은 상호 운용성과 안전한 접촉 추적 플랫폼의 대규모 배포를 가능하게 할 수 있는가?

주요 결과

• BeeTrace는 기업과 개인으로부터의 방문 기록을 집계함으로써 고위험 지역을 탐지할 수 있으며, 보안 다자간 계산을 통해 사용자 개인정보를 보호한다.
• 통신 및 시간 복잡도가 대규모 배포에 적합한 안전하고 확장 가능한 프로토콜을 통해 자주 방문되는 장소(하이 헤비어스)를 비공개적으로 식별한다.
• 무관심 집계를 통해 신뢰할 수 없는 집계자가 개인 방문 패턴이나 사용자 신원을 알지 못하면서도 각 장소의 총 방문 수를 계산할 수 있다.
• 감염자와 발견되지 않은 확산자를 모두 추적 시작 지점으로 활용함으로써 무증상 또는 잠복기 전파 체인을 더 잘 탐지할 수 있다.
• 데이터 형식을 표준화하고 다중 소스 데이터 통합을 가능하게 함으로써, GPS나 블루투스에만 의존하는 시스템에 비해 접촉 추적 커버리지가 크게 향상된다.
• 플랫폼의 설계는 접촉 추적을 넘어 확장 가능하며, 개인 정보 보호 기반의 연락처 발견 및 자격 증명 검증 등 응용 가능성이 있다.