[논문 리뷰] Privacy Guidelines for Contact Tracing Applications

Manish Shukla, Rajan M. A외 3명|arXiv (Cornell University)|2020. 04. 28.

COVID-19 Digital Contact Tracing참고 문헌 15인용 수 21

한 줄 요약

이 논문은 코로나19와 같은 전염병 유행 기간 동안 공중보건 필요성과 사용자 데이터 보호 사이의 균형을 이루기 위해 접촉 추적 애플리케이션을 위한 종합적인 개인정보 보호 지침을 제안한다. 개발자, 정부, 기업 등 이해관계자별로 맞춤화된 권고안을 제시하며, 탈중앙화된 데이터 처리, 엔드 투 엔드 암호화, 투명성, 사용성 강화를 강조하여 유행 기간 동안 신뢰와 광범위한 보급을 보장한다.

ABSTRACT

Contact tracing is a very powerful method to implement and enforce social distancing to avoid spreading of infectious diseases. The traditional approach of contact tracing is time consuming, manpower intensive, dangerous and prone to error due to fatigue or lack of skill. Due to this there is an emergence of mobile based applications for contact tracing. These applications primarily utilize a combination of GPS based absolute location and Bluetooth based relative location remitted from user's smartphone to infer various insights. These applications have eased the task of contact tracing; however, they also have severe implication on user's privacy, for example, mass surveillance, personal information leakage and additionally revealing the behavioral patterns of the user. This impact on user's privacy leads to trust deficit in these applications, and hence defeats their purpose. In this work we discuss the various scenarios which a contact tracing application should be able to handle. We highlight the privacy handling of some of the prominent contact tracing applications. Additionally, we describe the various threat actors who can disrupt its working, or misuse end user's data, or hamper its mass adoption. Finally, we present privacy guidelines for contact tracing applications from different stakeholder's perspective. To best of our knowledge, this is the first generic work which provides privacy guidelines for contact tracing applications.

연구 동기 및 목표

• 전염병 유행 기간 동안 모바일 접촉 추적 애플리케이션에서 증가하는 개인정보 보호 우려를 다루기 위해.
• 감시, 데이터 泄露, 행동 패턴 노출 등의 사용자 개인정보 침해 위협을 특정하기 위해.
• 개발자, 정부, 기업 등 이해관계자별로 실행 가능한 개인정보 보호 지침을 제공하기 위해.
• 강력한 데이터 보호와 사용자 신뢰를 유지하면서도 공중보건 기능을 극대화하여 광범위한 보급을 보장하기 위해.
• 안전하고 투명하며 개인정보를 보호하는 접촉 추적 시스템을 위한 프레임워크를 수립하기 위해.

제안 방법

• 주요 접촉 추적 애플리케이션(예: 싱가포르의 TraceTogether, 이스라엘의 앱 등)의 개인정보 보호 기능을 분석하여 강점과 약점을 파악하기 위해.
• 개발자, 정부, 기업을 포함한 다수 이해관계자 프레임워크를 제안하기 위해.
• 중앙 집중식 데이터 저장소를 최소화하고 데이터 유출 위험을 낮추기 위해 탈중앙화된 데이터 아키텍처를 권장하기 위해.
• 개인정보 보존 기법(예: 개인 집합의 교차, 블룸 필터 등)을 활용해 안전한 계산을 수행하기 위해 권장하기 위해.
• 엔드 투 엔드 암호화, 데이터 익명화, 사용자 기기 내 민감한 데이터의 안전한 로컬 저장을 강조하기 위해.
• 응용 프로그램 소스 코드를 오픈소스화하고 컴파일된 바이너리에 소스 코드를 대조하여 투명성을 확보하고 백도어를 방지하기 위해.

실험 결과

연구 질문

• RQ1 접촉 추적 애플리케이션이 질병 전파를 억제하는 데 효과적이면서도 사용자 개인정보를 어떻게 보호할 수 있는가?
• RQ2 접촉 추적 시스템에서 중앙 집중식 데이터 수집 방식이 초래하는 주요 개인정보 위협은 무엇인가?
• RQ3 위험 평가 알고리즘의 투명성과 설명 가능성은 사용자 신뢰와 보급을 어떻게 증진시킬 수 있는가?
• RQ4 제3자 또는 국가 기관에 의한 접촉 추적 데이터 오남용을 방지하기 위해 어떤 기술적·정책적 조치를 취할 수 있는가?
• RQ5 노인층이나 낮은 독해력 수준을 가진 사용자들을 포함한 다양한 인구 집단을 고려할 때, 개인정보 보호를 훼손하지 않으면서도 사용성을 어떻게 최적화할 수 있는가?

주요 결과

• 논문은 접촉 추적 앱에서 중앙 집중식 데이터 수집 방식이 대규모 감시와 데이터 泄露 등의 심각한 개인정보 위험을 초래함을 밝혀냈다.
• 데이터를 기기 내부에 로컬 저장하고 위험도 점수만 익명화된 상태로 공유하는 탈중앙화 아키텍처는 개인정보 노출을 크게 줄인다.
• 응용 프로그램 소스 코드를 오픈소스화하고 컴파일된 바이너리에 소스 코드를 대조함으로써 신뢰를 강화하고 제3자 감사 가능성을 높일 수 있다.
• 요소 수준의 분해를 포함한 명확하고 설명 가능한 위험 점수를 제공하면 사용자가 시스템을 더 잘 이해하고 수용할 가능성이 높아진다.
• 위치 블랙리스트 기능(예: 집, 사무실 등)의 도입은 사용자가 데이터 노출을 통제할 수 있도록 하고 사용성 향상에 기여한다.
• 적절한 데이터 보존 정책(예: 격리 기간 이후 감염자 접촉 기록 자동 삭제)은 장기적인 개인정보 침해를 방지하는 데 도움이 된다.