[논문 리뷰] IHOP: Improved Statistical Query Recovery against Searchable Symmetric Encryption through Quadratic Optimization

Simon Oya, Florian Kerschbaum|arXiv (Cornell University)|2021. 10. 08.

Cryptography and Data Security참고 문헌 35인용 수 8

한 줄 요약

IHOP는 검색 가능 대칭 암호화(SSE)에 대응하는 새로운 통계적 쿼리 복구 공격로, 쿼리 복구 문제를 반복적으로 선형 할당 하위 문제를 통해 해결하는 이차 최적화 문제로 공식화한다. 볼륨, 빈도 및 동시 발생 정보를 활용함으로써 이전의 모든 통계 기반 공격보다 뛰어나며, 전체 泄露 설정에서는 거의 완벽한 정확도(최대 99%)를 달성하고, 액세스 패턴 가림 및 빈도만의 泄露 상황에서도 기존 방법보다 뚜렷이 뛰어나다.

ABSTRACT

Effective query recovery attacks against Searchable Symmetric Encryption (SSE) schemes typically rely on auxiliary ground-truth information about the queries or dataset. Query recovery is also possible under the weaker statistical auxiliary information assumption, although statistical-based attacks achieve lower accuracy and are not considered a serious threat. In this work we present IHOP, a statistical-based query recovery attack that formulates query recovery as a quadratic optimization problem and reaches a solution by iterating over linear assignment problems. We perform an extensive evaluation with five real datasets, and show that IHOP outperforms all other statistical-based query recovery attacks under different parameter and leakage configurations, including the case where the client uses some access-pattern obfuscation defenses. In some cases, our attack achieves almost perfect query recovery accuracy. Finally, we use IHOP in a frequency-only leakage setting where the client's queries are correlated, and show that our attack can exploit query dependencies even when PANCAKE, a recent frequency-hiding defense by Grubbs et al., is applied. Our findings indicate that statistical query recovery attacks pose a severe threat to privacy-preserving SSE schemes.

연구 동기 및 목표

• 기본 지식에 의존하지 않는, 더 효과적인 통계 기반 SSE 쿼리 복구 공격을 개발하는 것.
• 이전의 통계 공격가들이 볼륨 동시 발생 또는 빈도 동시 발생 항목을 동시에 활용할 수 없는 한계를 해결하는 것.
• 액세스 패턴 가림 및 빈도만의 泄露와 같은 현실적인 泄露 구성 조건에서 IHOP의 효과성을 평가하는 것.
• 최근에 제안된 방어 기법들(예: 팬케이크)이 쿼리 상관관계가 존재할 경우 통계적 쿼리 복구에 취약한지 조사하는 것.

제안 방법

• IHOP는 볼륨, 빈도 및 동시 발생 항목을 통합한 최대우도 기반 이차 최적화 문제로 쿼리 복구를 공식화한다.
• 쿼리와 키워드 간 최적의 매칭을 근사하기 위해 선형 할당 문제의 시퀀스를 해결하는 반복 히ュ리스틱을 사용한다.
• 대규모 키워드 유니버스에 대응하기 위해 효율적인 최적 선형 해법기를 활용하여, 이전의 이차 해법기인 GraphM에서 사용된 PATH보다 더 빠른 수렴을 가능하게 한다.
• 볼륨 泄露(두 쿼리가 공유하는 문서 수)와 빈도 泄露(쿼리 빈도)를 통합하여 복구 정확도를 향상시킨다.
• 클라이언트 행동을 마르코프 과정으로 모델링하여 쿼리 의존성을 활용함으로써 상관된 쿼리 패턴을 추론한다.
• 다섯 개인 실세계 데이터셋에서 다양한 泄露 구성 조건 하에 평가되었으며, 이는 전체 액세스 패턴 泄露 및 팬케이크 가림이 적용된 빈도만의 泄露를 포함한다.

실험 결과

연구 질문

• RQ1 볼륨과 빈도 동시 발생을 함께 모델링함으로써 기존 방법보다 더 높은 정확도를 달성할 수 있는 통계 기반 쿼리 복구 공격가능한가?
• RQ2 제너리 등이 제안한 액세스 패턴 가림 방어 기법들(예: Gentry 등, Grubbs 등)이 적용된 상황에서 IHOP의 성능은 어떠한가?
• RQ3 볼륨 泄露가 없는 상황에서, 특히 팬케이크 방어 기법이 적용된 경우 IHOP는 쿼리 상관관계를 효과적으로 활용할 수 있는가?
• RQ4 클라이언트 쿼리가 상관관계가 존재할 경우, 팬케이크 빈도 스무스닝 방어 기법이 통계적 쿼리 복구에 충분한 보호를 제공하는가?
• RQ5 키워드 유니버스 크기와 쿼리 수가 증가함에 따라 IHOP의 성능은 어떻게 스케일링되는가?

주요 결과

• 전체 액세스 패턴 泄露 조건에서 Lucene 데이터셋(1,000개 키워드)에 대해 IHOP는 약 99%의 쿼리 복구 정확도를 달성했으며, 이는 기존의 GraphM(56% 정확도)보다 뛰어나다.
• 동일한 데이터셋에서 IHOP는 15분 내에 실행되며, GraphM는 거의 3일이 소요되어 100배 이상의 속도 향상을 보였다.
• 부분적 액세스 패턴 泄露 조건에서는 Lucene 데이터셋에서 IHOP가 92%의 정확도를 기록했고, 이는 이전 최고 성능인 7%를 크게 초월했으며, 실행 시간은 12분으로 5시간 이상 소요되던 기존 방법보다 훨씬 빠르게 완료되었다.
• 빈도만의 泄露 상황에서 쿼리 의존성이 존재할 경우, 저품질 보조 정보로는 48%의 정확도, 고품질 정보로는 69%의 정확도를 기록하여, 상관관계를 효과적으로 활용할 수 있음을 보였다.
• 팬케이크 방어 기법에 대응할 경우, 저품질 보조 정보로는 공격 정확도를 93.6%(방어 없음)에서 41.9%로 감소시키며, 고품질 정보로는 99.7%에서 60.5%로 감소시켰다. 이는 팬케이크가 상관된 쿼리에 대해 완전히 효과적이지 않음을 시사한다.
• 결과적으로 팬케이크가 쿼리 상관관계 존재 시 충분한 보호를 제공하지 못함을 확인하였으며, 이는 이전의 연구 결과와 정반대되며, 이러한 조건 하에서 더 강력한 방어 기법이 필요함을 시사한다.