[논문 리뷰] Fingerprinting the Fingerprinters: Learning to Detect Browser Fingerprinting Behaviors

Umar Iqbal, Steven Englehardt외 1명|arXiv (Cornell University)|2020. 08. 10.

Hate Speech and Cyberbullying Detection인용 수 4

한 줄 요약

FP-Inspector는 정적 및 동적 분석을 융합한 기계학습 기반 시스템으로, JavaScript 스크립트의 정적 및 동적 분석을 통해 브라우저 지문 추적을 탐지한다. 이는 99.9%의 정확도를 달성하며 기존 히وري스틱 기반 방법보다 26% 더 많은 지문 추적 스크립트를 탐지한다. 이 시스템은 웹사이트 손상 가능성을 두 배 줄이는 타겟팅된 API 수준의 대응 조치를 가능하게 하며, 상위 10만 개 웹사이트 중 10.18%에서 광범위한 지문 추적을 드러내고, Permissions 및 Performance와 같은 API의 새로운 사용 사례를 밝혀냈다.

ABSTRACT

Browser fingerprinting is an invasive and opaque stateless tracking technique. Browser vendors, academics, and standards bodies have long struggled to provide meaningful protections against browser fingerprinting that are both accurate and do not degrade user experience. We propose FP-Inspector, a machine learning based syntactic-semantic approach to accurately detect browser fingerprinting. We show that FP-Inspector performs well, allowing us to detect 26% more fingerprinting scripts than the state-of-the-art. We show that an API-level fingerprinting countermeasure, built upon FP-Inspector, helps reduce website breakage by a factor of 2. We use FP-Inspector to perform a measurement study of browser fingerprinting on top-100K websites. We find that browser fingerprinting is now present on more than 10% of the top-100K websites and over a quarter of the top-10K websites. We also discover previously unreported uses of JavaScript APIs by fingerprinting scripts suggesting that they are looking to exploit APIs in new and unexpected ways.

연구 동기 및 목표

• 기존 추적 방지 기술이 회피하는 침투적이고 투명한 브라우저 지문 추적의 증가하는 위협에 대응하기 위해.
• 전반적인 API 제한이나 네트워크 요청 차단과 같은 기존 대응 조치의 한계를 극복하여 웹사이트 손상 문제를 해결하기 위해.
• 사용자 경험 저하 없이 지문 추적 스크립트와 양호한 기능을 정확하고 확장 가능한 방식으로 구분할 수 있는 검출 메커니즘을 개발하기 위해.
• 실세계 웹 환경에서 브라우저 지문 추적의 보편성과 진화하는 기법을 측정하기 위해.
• 향후 개인정보 보호 조치를 위한 정보를 제공하기 위해, 이전에 알려지지 않은 JavaScript API가 지문 추적에 악용되고 있음을 특정하기 위해.

제안 방법

• FP-Inspector는 동적 분석의 커버리지 한계를 극복하기 위해 정적 분석을 활용하고, 오브스큐레이션을 처리하기 위해 동적 분석을 결합한 하이브리드 접근 방식을 사용한다.
• 제어 흐름, 데이터 흐름, API 호출 패tern과 같은 구문적 및 의미적 특징을 JavaScript 코드에서 추출하여 기계학습 분류기 학습에 활용한다.
• 클라이언트 측 인스트루멘테이션과 정적 코드 파싱을 모두 활용하여 스크립트 수준에서 지문 추적 행동을 탐지한다.
• 탐지 결과에 기반해 타겟팅된 API 제한 조치를 적용하여 광범위한 제한을 피하고 손상 가능성을 최소화한다.
• 실제 웹 환경에서의 지문 추적 보편성을 측정하기 위해, 수정된 OpenWPM 파이프라인을 사용해 Alexa 상위 10만 개 웹사이트에 프레임워크를 구현한다.
• 지문 추적 스크립트가 사용하는 JavaScript API를 군집 분석하여 새로운 지문 추적 벡터를 식별한다.

실험 결과

연구 질문

• RQ1 기계학습 기반의 구문적-의미적 접근 방식이 수작업으로 설계된 히وري스틱 기반 방법에 비해 브라우저 지문 추적 스크립트 탐지에 얼마나 효과적인가?
• RQ2 타겟팅된 API 수준의 대응 조치는 지문 추적을 여전히 완화하면서 웹사이트 손상을 얼마나 줄일 수 있는가?
• RQ3 브라우저 지문 추적은 상위 10만 개 웹사이트에서 얼마나 보편적인가? 어떤 도메인이 주요 원인인가?
• RQ4 기존에 알려지지 않았거나 간과되었던 JavaScript API 중 지문 추적에 악용되고 있는 것은 무엇인가?
• RQ5 스크립트 분산 또는 통합과 같은 악성 기법은 탐지 및 대응에 어떤 영향을 미치는가?

주요 결과

• FP-Inspector는 99.9%의 정확도로 지문 추적 스크립트를 탐지하여 이전의 히وري스틱 기반 탐지 방법보다 뚜렷이 뛰어나다.
• Englehardt와 Narayanan(2018)의 최신 히وري스틱 기반 접근 방식보다 26% 더 많은 지문 추적 스크립트를 탐지한다.
• FP-Inspector 기반의 타겟팅된 API 제한 조치는 손상이 발생하기 쉬운 웹사이트에서 웹사이트 손상을 두 배 감소시킨다.
• 브라우저 지문 추적은 Alexa 상위 10만 개 웹사이트 중 10.18%에서 발견되었으며, 이는 2,349개의 고유 도메인에서 발생했으며, 광고 방지 업체 및 크로스사이트 추적자 포함.
• FP-Inspector는 Permissions 및 Performance API가 지문 추적에 악용되고 있음을 이전에 알려지지 않은 방식으로 밝혀냈으며, userproximity와 같은 센서의 새로운 사용 사례도 발견했다.
• 시스템은 지문 추적 스크립트가 이전에 간과되었던 특정 API를 비율적으로 더 많이 활용하고 있음을 식별하여 향후 보안 강화를 위한 새로운 공격 벡터를 제안한다.