[논문 리뷰] Location Privacy in Mobile Edge Clouds: A Chaff-based Approach

Ting He, Ertuğrul Necdet Çiftçioğlu외 2명|arXiv (Cornell University)|2017. 09. 10.

Privacy-Preserving Technologies in Data참고 문헌 18인용 수 3

한 줄 요약

이 논문은 이동형 엣지 클라우드(Mobile Edge Clouds, MECs)에서 사용자 위치 개인정보를 보호하기 위해 차프(chaff) 기반 방식을 제안한다. 여기서 도청자는 MEC 간 서비스 이동을 모니터링하여 사용자를 추적할 수 있다. 사용자 이동이 충분히 무작위일 경우, 최적의 전략을 통해 도청자의 추적 정확도를 0으로 낮출 수 있으며, 최대우도 검출을 사용하는 고도화된 도청자에게도 효과적이다.

ABSTRACT

In this paper, we consider user location privacy in mobile edge clouds (MECs). MECs are small clouds deployed at the network edge to offer cloud services close to mobile users, and many solutions have been proposed to maximize service locality by migrating services to follow their users. Co-location of a user and his service, however, implies that a cyber eavesdropper observing service migrations between MECs can localize the user up to one MEC coverage area, which can be fairly small (e.g., a femtocell). We consider using chaff services to defend against such an eavesdropper, with focus on strategies to control the chaffs. Assuming the eavesdropper performs maximum likelihood (ML) detection, we consider both heuristic strategies that mimic the user's mobility and optimized strategies designed to minimize the detection or tracking accuracy. We show that a single chaff controlled by the optimal strategy or its online variation can drive the eavesdropper's tracking accuracy to zero when the user's mobility is sufficiently random. We further propose extended strategies that utilize randomization to defend against an advanced eavesdropper aware of the strategy. The efficacy of our solutions is verified through both synthetic and trace-driven simulations.

연구 동기 및 목표

• 이동형 엣지 클라우드에서 서비스 이동이 측면 채널을 통해 사용자 위치를 들킬 수 있는 사이버 도청 위협을 해결하기 위해.
• MEC 제공자가 신뢰할 수 없고 서비스 이동을 모니터링할 수 있는 상황에서 사용자 위치 개인정보를 보호하기 위해.
• 최대우도 검출을 사용하는 도청자가 실제 사용자를 추적할 수 있는 능력을 최소화하기 위해 차프 서비스 전략을 설계하기 위해.
• 차프 전략을 알고 있고 이를 적응적으로 활용할 수 있는 고도화된 도청자에 대비한 강건성 향상하기 위해.

제안 방법

• 저자들은 사용자 이동을 마르코프 체인으로 모델링하고, 이를 통해 실제 사용자 이동 패턴을 모방하는 차프 서비스 경로를 생성한다.
• 휴리스틱 전략(IM, ML, OO, MO)과 마르코프 결정 과정(Markov Decision Process, MDP)을 풀어 최적의 전략을 제안하여 탐지 정확도를 최소화한다.
• 동적 프로그래밍을 사용하여 도청자가 실제 사용자를 정확히 식별할 확률을 최소화하는 최적의 전략을 유도한다.
• 미래의 이동 정보를 사전에 알지 못하는 상황에서도 실시간 구현이 가능한 최적 전략의 온라인 변형을 도입한다.
• 도청자가 차프 전략을 알고 있더라도 대응할 수 있도록 랜덤화 기법을 활용해 강건한 전략(RML, ROO)을 설계한다.
• 성능 평가는 959개의 버노이 세포와 174개의 사용자 이동 경로를 포함한 실세계 택시 운행 데이터 및 합성 이동 모델을 모두 활용하여 평가한다.

실험 결과

연구 질문

• RQ1 도청자가 MEC 내 서비스 이동을 모니터링할 때, 차프 서비스가 사용자의 진짜 위치를 효과적으로 가림으로써 보호할 수 있는가?
• RQ2 최적의 차프 전략이 도청자의 추적 정확도를 0으로 낮출 수 있는 조건은 무엇인가?
• RQ3 공간적·시간적 편향된 패턴을 포함한 다양한 사용자 이동 모델 하에서 차프 전략의 성능는 어떻게 달라지는가?
• RQ4 차프 배치 전략을 알고 있는 고도화된 도청자에 대비해 강건한 차프 전략이 효과가 있는가?
• RQ5 차프 서비스의 수가 프라이버시와 시스템 비용 간의 트레이드오프에 어떻게 영향을 미치는가?

주요 결과

• 사용자 이동의 충분한 엔트로피가 확보될 경우, 최적의 차프 전략과 그 온라인 변형은 도청자의 추적 정확도를 0으로 낮출 수 있다.
• 기본 도청자(최대우도 검출 사용)의 경우, 단 한 개의 차프만으로도 ML 및 OO 전략이 기준 대비 추적 정확도를 크게 감소시킨다.
• 사용자 경로가 최적의 경로의 가능도를 지배할 경우, MO 전략은 최대우도 위치에서 벗어나지 못해 성능이 열악하다.
• 두 개의 차프가 존재할 경우, 원래 전략(IM, ML, OO, MO)은 고도화된 도청자에게는 실패하지만, 강건 전략 RML 및 ROO는 추적 정확도를 크게 감소시킨다.
• 실제 택시 운행 데이터 기반 시뮬레이션 결과, 제안된 전략은 공간적·시간적 편향된 이동 환경에서도 높은 개인정보 보호 성능을 유지함을 확인하였다.