[논문 리뷰] Enabling Strong Privacy Preservation and Accurate Task Allocation for Mobile Crowdsensing

Jianbing Ni, Kuan Zhang외 3명|arXiv (Cornell University)|2018. 06. 11.

Mobile Crowdsensing and Crowdsourcing참고 문헌 25인용 수 10

한 줄 요약

이 논문은 사용자 개인정보를 훼손하지 않으면서 정확한 작업 할당을 가능하게 하는 프라이버시 보장형 모바일 캐니어싱 프레임워크인 SPOON을 제안한다. 프록시 재암호화와 BBS+ 서명을 조합하여 작업 데이터를 보호하고 감시 보고서를 익명화하며, 탈중앙화된 신용 관리 시스템을 통해 기밀을 유지하면서도 신뢰성을 확보하는 신뢰 증명을 실현한다.

ABSTRACT

Mobile crowdsensing engages a crowd of individuals to use their mobile devices to cooperatively collect data about social events and phenomena for special interest customers. It can reduce the cost on sensor deployment and improve data quality with human intelligence. To enhance data trustworthiness, it is critical for service provider to recruit mobile users based on their personal features, e.g., mobility pattern and reputation, but it leads to the privacy leakage of mobile users. Therefore, how to resolve the contradiction between user privacy and task allocation is challenging in mobile crowdsensing. In this paper, we propose SPOON, a strong privacy-preserving mobile crowdsensing scheme supporting accurate task allocation from geographic information and credit points of mobile users. In SPOON, the service provider enables to recruit mobile users based on their locations, and select proper sensing reports according to their trust levels without invading user privacy. By utilizing proxy re-encryption and BBS+ signature, sensing tasks are protected and reports are anonymized to prevent privacy leakage. In addition, a privacy-preserving credit management mechanism is introduced to achieve decentralized trust management and secure credit proof for mobile users. Finally, we show the security properties of SPOON and demonstrate its efficiency on computation and communication.

연구 동기 및 목표

• 모바일 캐니어싱에서 사용자 프라이버시와 정확한 작업 할당을 균형 있게 유지하는 데 핵심적인 과제를 해결한다.
• 높은 데이터 품질 요구 조건에도 불구하고 사용자 이동 패턴, 위치 정보, 신용 데이터 유출을 방지한다.
• 서비스 제공자가 민감한 사용자 정보를 알지 못하면서도 지리적 접근성과 신용 수준에 기반해 사용자를 채용할 수 있도록 한다.
• 신뢰할 수 있는 제3자에 의존하지 않고도 안전한 프라이버시 보장형 신용 증명을 지원하는 탈중앙화된 프라이버시 보장형 신용 관리 메커니즘을 설계한다.
• 모바일 사용자와 작업 발행자 모두에 대해 엔드 투 엔드 프라이버시를 보장하며, 작업 내용과 사용자 신원 보호를 포함한다.

제안 방법

• 중개자에게 원시 작업 데이터를 폭 lộ하지 않고도 안전하게 작업 접근 권한을 위임하기 위해 프록시 재암호화를 활용한다.
• 사용자 자격 및 신용 특성에 대한 익명의 제로지식 증명을 가능하게 하여 기초 데이터를 폭 lộ하지 않고도 신뢰성을 입증한다.
• 사용자가 신용 점수의 신뢰성을 제로지식 증명을 통해 입증할 수 있도록 하는 탈중앙화된 신용 관리 체계를 도입한다.
• 쌍대 기반 암호화(예: 이중선형 맵)를 활용하여 위치, 평판, 신용 특성에 대한 프라이버시 보장형 지식 증명을 구성한다.
• 사용자 자격 및 보고서의 진위성을 민감한 특성 유출 없이 검증하기 위해 다중 라운드 제로지식 증명 프로토콜을 설계한다.
• 암호화 해시 함수와 커밋먼트 체계를 사용하여 증명을 특정 작업과 사용자 신원에 고정시키면서도 연결 불가능성을 유지한다.

실험 결과

연구 질문

• RQ1 지리적 위치와 평판에 기반해 사용자에게 정확한 작업을 할당하면서도 사용자 개인정보를 泄露하지 않는 방법은 무엇인가?
• RQ2 탈중앙화된 신뢰 모델에서 감시 작업과 사용자 보고서에 대해 강력한 프라이버시 보장을 실현할 수 있는 암호 primitive는 무엇인가?
• RQ3 정확한 평판 기반 작업 선택을 가능하게 하면서도 탈중앙화되고 프라이버시 보장형인 신용 관리 시스템을 설계할 수 있는가?
• RQ4 사용자가 자신의 신용 점수(예: 신용 점수)를 신원 또는 실제 값 유출 없이 신뢰성을 입증할 수 있는가?
• RQ5 강력한 프라이버시 메커니즘을 확장 가능한 모바일 캐니어싱 프레임워크에 통합할 경우의 계산 및 통신 오버헤드는 어떠한가?

주요 결과

• SPOON은 서비스 제공자조차도 사용자와 그들의 위치, 평판, 신용 점수를 연결할 수 없도록 하여 강력한 프라이버시 보장을 달성한다.
• BBS+ 서명의 활용으로 사용자는 실제 신용 점수나 평판 수준을 폭 lộ하지 않고도 자신의 신용성과 작업 참여 자격을 입증할 수 있다.
• 프록시 재암호화를 통해 고객에서 서비스 제공자로의 작업 접근 권한 위임이 원본 작업 내용을 폭 lộ하지 않고도 안전하게 이루어질 수 있다.
• 시스템의 제로지식 증명 메커니즘은 모든 사용자 특성(위치, 평판, 신용)이 유출되지 않고 검증되며, 추론 공격을 방지한다.
• 보안 분석 결과, 위치 재식별, 평판 연결, Sybil 공격과 같은 주요 위협에 저항함을 확인하였다.
• 성능 평가 결과, SPOON은 낮은 계산 및 통신 오버헤드를 유지하여 실생활 모바일 디바이스에 구현 가능한 실용성을 확보하였다.