[논문 리뷰] Privacy Failures in Encrypted Messaging Services: Apple iMessage and Beyond

Scott E. Coull, Kevin P. Dyer|arXiv (Cornell University)|2014. 03. 08.

Internet Traffic Analysis and Secure E-voting참고 문헌 7인용 수 3

한 줄 요약

이 논문은 애플 iMessage, 웨이브챗, 바이버, 테레그램과 같은 엔드 투 엔드 암호화 메시징 서비스가 사용자 상호작용과 암호화된 패킷 크기 사이의 결정론적 관계를 통해 기기 운영체제, 사용자 행동, 메시지 언어, 메시지 길이 등의 중요한 사용자 메타데이터를 泄露한다는 것을 입증한다. 강력한 암호화에도 불구하고 공격자는 패킷 크기 분석을 통해 이러한 정보를 96% 이상의 정확도로 유추할 수 있으며, 주요 메시징 플랫폼 전반에 걸쳐 심각한 프라이버시 취약점을 드러낸다.

ABSTRACT

Instant messaging services are quickly becoming the most dominant form of communication among consumers around the world. Apple iMessage, for example, handles over 2 billion message each day, while WhatsApp claims 16 billion messages from 400 million international users. To protect user privacy, these services typically implement end-to-end and transport layer encryption, which are meant to make eavesdropping infeasible even for the service providers themselves. In this paper, however, we show that it is possible for an eavesdropper to learn information about user actions, the language of messages, and even the length of those messages with greater than 96% accuracy despite the use of state-of-the-art encryption technologies simply by observing the sizes of encrypted packet. While our evaluation focuses on Apple iMessage, the attacks are completely generic and we show how they can be applied to many popular messaging services, including WhatsApp, Viber, and Telegram.

연구 동기 및 목표

• 강력한 암호화에도 불구하고 엔드 투 엔드 암호화 메시징 서비스에서의 메타데이터 泄露 정도를 조사하기 위해.
• 다양한 플랫폼에서 패킷 크기 분석을 통해 사용자 행동, 메시지 언어, 메시지 길이를 유추할 수 있는지 확인하기 위해.
• 이러한 공격이 iMessage, 웨이브챗, 바이버, 테레그램과 같은 인기 있는 메시징 서비스 전반에 걸쳐 일반화 가능한지 평가하기 위해.
• 랜덤 패딩과 같은 대응 조치의 실현 가능성과 비용을 평가하기 위해.
• 광범위하게 사용되는 메시징 플랫폼에서의 메타데이터 泄露가 초래하는 실제 세계의 프라이버시 위험을 부각하기 위해.

제안 방법

• 연구진은 사용자 행동에 대한 반응으로 발생하는 암호화된 패킷 크기를 관찰하기 위해 애플 iMessage, 웨이브챗, 바이버, 테레그램의 네트워크 트래픽을 수집하고 분석했다.
• 기기 운영체제, 메시지 언어를 분류하고 메시지 길이를 예측하기 위해 나이브 베이즈 및 선형 회귀와 같은 기계학습 기법을 사용했다.
• 특정 패킷 크기를 '입력 시작', '첨부파일 전송'과 같은 사용자 행동에 매핑하는 룩업 테이블을 구축했다.
• 랜덤 패딩을 대응 조치로 평가하기 위해 패킷 크기 증가량과 공격 정확도에 미치는 영향을 측정했다.
• 사용자 행동과 암호화된 트래픽 사이의 결정론적 패턴을 식별하기 위해 서비스 간 패킷 크기 분포를 비교했다.
• 실제 iOS 및 macOS 기기에서 수집한 데이터를 사용해 각 사용자 세션당 100개 이상의 패킷을 분석함으로써 연구 결과를 검증했다.

실험 결과

연구 질문

• RQ1 공격자가 암호화된 패킷 크기 분석을 통해 메시징 사용자의 기기 운영체제를 유추할 수 있는가?
• RQ2 패킷 크기 패턴을 기반으로 공격자가 특정 사용자 행동(예: 타이핑, 전송)을 어느 정도 정확하게 파악할 수 있는가?
• RQ3 암호화된 패킷 크기 데이터만을 사용해 메시지 언어를 얼마나 정확하게 예측할 수 있는가?
• RQ4 다양한 메시징 서비스에서 평문 메시지 길이와 암호화된 패킷 크기 사이에 강한 상관관계가 존재하는가?
• RQ5 랜덤 패딩과 같은 대응 조치의 성능과 비용은 이러한 프라이버시 유출을 완전히 제거하는 데 얼마나 효과적인가?

주요 결과

• 공격자는 암호화된 패킷 크기 분석을 통해 기기 운영체제(iOS 또는 macOS)를 100% 정확도로 식별할 수 있다.
• 입력 시작, 첨부파일 전송 등의 사용자 행동은 패킷 크기 룩업 테이블을 통해 96% 정확도로 분류할 수 있다.
• 나이브 베이즈 분류를 패킷 크기 데이터에 적용해 메시지 언어를 98% 정확도로 예측할 수 있다.
• 암호화된 패킷 크기 데이터에 선형 회귀를 적용해 메시지 길이를 평균 6.27자 이내의 오차로 예측할 수 있다.
• 유사한 공격는 웨이브챗, 바이버, 테레그램에도 적용 가능하며, 바이버와 웨이브챗처럼 메시지 길이와 패킷 크기 사이에 일대일 매핑이 존재하는 일부 서비스에서는 더 강한 메타데이터 泄露가 발생한다.
• 랜덤 패딩은 모든 공격을 완전히 제거할 수 있지만, 데이터 오버헤드가 300% 이상 증가하는 비용이 수반되며, iMessage와 같은 서비스의 경우 하루에 최소로 테라바이트의 추가 트래픽이 발생한다.