[논문 리뷰] Eat the Cake and Have It Too: Privacy Preserving Location Aggregates in Geosocial Networks

Bogdan Cărbunar, Mahmudur Rahman외 2명|arXiv (Cornell University)|2013. 04. 12.

Privacy-Preserving Technologies in Data참고 문헌 29인용 수 4

한 줄 요약

이 논문은 동형 암호화와 제로지식 증명을 사용하여 지리소셜 네트워크에서 위치 중심 프로필(LCPs)을 구성하기 위한 프라이버시 보장 프레임워크인 ProfilR을 제안한다. 이는 개인 데이터에 접근하지 않고도 장소가 집합적 사용자 통계를 계산할 수 있도록 한다. 시스템은 스마트폰에서 종단 간 오버헤드가 2.5초 이내로, 강력한 보안 보장을 유지하면서도 사용자 프라이버시와 정확성을 보장한다.

ABSTRACT

Geosocial networks are online social networks centered on the locations of subscribers and businesses. Providing input to targeted advertising, profiling social network users becomes an important source of revenue. Its natural reliance on personal information introduces a trade-off between user privacy and incentives of participation for businesses and geosocial network providers. In this paper we introduce location centric profiles (LCPs), aggregates built over the profiles of users present at a given location. We introduce PROFILR, a suite of mechanisms that construct LCPs in a private and correct manner. We introduce iSafe, a novel, context aware public safety application built on PROFILR . Our Android and browser plugin implementations show that PROFILR is efficient: the end-to-end overhead is small even under strong correctness assurances.

연구 동기 및 목표

• 개인 정보 보호와 비즈니스 인centive 간의 갈등을 해결하기 위해, 개인 데이터 폭로 없이 집합적 사용자 프로필링을 가능하게 한다.
• 장소와 제공자가 익명화된 위치 추적을 통해라도 개인 사용자 정보를 알 수 없도록 보장한다.
• 사용자가 잘못된 기여를 하거나 집합 통계를 조작하는 것을 방지함으로써 정확성을 확보한다.
• 자원 제약이 있는 모바일 디바이스에 적합한 확장성 있고 효율적인 시스템을 설계한다.
• ProfilR 기반으로 구축된 맥락 인식 공공 안전 애플리케이션 iSafe를 통해 실용적 유용성을 입증한다.

제안 방법

• ProfilR는 벤알로 동형 암호 체계를 사용하여, 복호화 없이도 사용자 프로필에 대한 LCP 계산을 암호화된 상태에서 수행한다.
• 사용자 기여의 정확성을 입증하기 위해 제로지식 증명(ZK-CTR)을 활용하며, 이는 개인 정보를 드러내지 않는다.
• LCP는 장소 중심 모델을 통해 장소에서 계산되거나, 실시간으로 애드혹 기반의 기기 간 통신을 통해 스냅샷 LCP를 계산한다.
• 사용자 기여를 물리적 존재와 결합함으로써 위치 정확성을 강화하며, 장소에 배치된 장치를 통해 이를 검증한다.
• iSafe는 Yelp 리뷰 데이터를 사용하여 안전 인식 LCP를 계산하기 위해 ProfilR을 활용하며, 프라이버시 보장된 안전 인식 기능을 제공한다.
• 최소 k명의 사용자가 존재할 경우에만 프로필이 공개되도록 하여 k-익명성을 보장한다.

실험 결과

연구 질문

• RQ1 사용자 프라이버시를 보장하면서도 정확성을 확보할 수 있는 방식으로 위치 중심 프로필을 어떻게 계산할 수 있는가?
• RQ2 장소가 개인 프로필에 접근하지 않고도 집합적 사용자 통계를 수집할 수 있는 시스템을 설계할 수 있는가?
• RQ3 실시간 모바일 애플리케이션에서 프라이버시와 정확성 보장을 위한 오버헤드는 얼마나 되는가?
• RQ4 탈중앙화된 프라이버시 보장 방식으로 사용자 위치 위조 및 가짜 체크인을 어떻게 완화할 수 있는가?
• RQ5 스마트폰과 웹 브라우저에 실질적으로 배포 가능한 실용적이고 효율적인 시스템을 구축할 수 있는가?

주요 결과

• 스마트폰에서 LCP 업데이트 작업의 종단 간 오버헤드는 2.5초이며, 클라이언트가 속임수를 쓸 확률이 백만分의 일일지라도 유지된다.
• ZK-CTR 라운드에서 통신 오버헤드는 20개의 하위범위와 1024비트 키 크기에서 17KB 이하이며, 단일 차원에 대해 저장소 오버헤드는 5KB이다.
• iSafe 브라우저 플러그인은 500개의 Yelp 리뷰를 처리할 때 1초 미만의 오버헤드를 유발한다.
• 모든 시스템 상호작용에 접근하더라도 어떤 실체도 개인 사용자 프로필을 알 수 없도록 하여 강력한 프라이버시 보장을 달성한다.
• 스냅샷 LCP는 애드혹 무선 연결을 통해 함께 있는 사용자 간 실시간으로 집합 통계를 탈중앙화 방식으로 계산할 수 있다.
• 어떤 악성 행위자도 대규모의 가짜 계정을 제어할 수 없다는 가정 하에 시스템은 시비어 공격에 저항성이 있다. 이는 기존의 시비어 탐지 기법을 통해 완화 가능하다.