[논문 리뷰] PrivacyProxy: Leveraging Crowdsourcing and In Situ Traffic Analysis to Detect and Mitigate Information Leakage

Gaurav Srivastava, Bhuwalka, Kunal외 6명|arXiv (Cornell University)|2017. 08. 21.

Advanced Malware Detection Techniques참고 문헌 34인용 수 13

한 줄 요약

PrivacyProxy는 사용자 기기에서의 트래픽 분석과 공동으로 수집된 해시된 서명을 사용하여 안드로이드 앱의 PII 泄露를 탐지하고 완화하는 클라이언트 기반의 개인정보 보호 시스템이다. 현장 배포에서 F1 스코어 0.885를 기록했으며, 통제된 실험에서는 0.759를 기록했고, 성능 오버헤드가 최소화되었으며 사용자가 인지하는 성능 안정성도 높았다.

ABSTRACT

Many smartphone apps transmit personally identifiable information (PII), often without the users knowledge. To address this issue, we present PrivacyProxy, a system that monitors outbound network traffic and generates app-specific signatures to represent sensitive data being shared. PrivacyProxy uses a crowd-based approach to detect likely PII in an adaptive and scalable manner by anonymously combining signatures from different users of the same app. Furthermore, we do not observe users network traffic and instead rely on hashed signatures. We present the design and implementation of PrivacyProxy and evaluate it with a lab study, a field deployment, a user survey, and a comparison against prior work. Our field study shows PrivacyProxy can automatically detect PII with an F1 score of 0.885. PrivacyProxy also achieves an F1 score of 0.759 in our controlled experiment for the 500 most popular apps. The F1 score also improves to 0.866 with additional training data for 40 apps that initially had the most false positives. We also show performance overhead of using PrivacyProxy is between 8.6% to 14.2%, slightly more than using a standard unmodified VPN, and most users report no perceptible impact on battery life or the network.

연구 동기 및 목표

• 인기 있는 스마트폰 앱, 특히 제3자 라이브러리 등을 통해 발생하는 무단 PII 泄露 문제를 해결하기 위해.
• 앱 또는 운영체제 수정 없이도 개인식별정보(PII)를 탐지하면서도 사용자 개인정보를 보호하기 위해.
• 원시 네트워크 콘텐츠를 폭 lộ하지 않고도 공동 사용자 데이터를 통해 정확도를 향상시키는 스케일러블하고 적응형 시스템을 개발하기 위해.
• 작은 신뢰 기반(Trusted Computing Base)을 유지하면서도 PII 전송에 대한 세밀한 사용자 제어를 가능하게 하기 위해.
• 실세계 및 통제된 환경에서 시스템의 효과성, 효율성, 사용자 인지 성능을 평가하기 위해.

제안 방법

• 실시간으로 사용자 기기의 외부 네트워크 트래픽을 가로채고 분석하기 위해 로컬 VPN 프록시를 사용한다.
• HTTP 요청으로부터 키-값 쌍을 추출하고, 민감한 데이터 패턴을 나타내기 위해 암호학적 해시 서명을 생성한다.
• 여러 사용자로부터 익명화된 서명을 집계하는 공동 기반 알고리즘을 적용하여, 형식이 알려지지 않거나 가로막힌 경우에도 가능성을 높게 판단한 PII를 식별한다.
• 원시 값을暴露하지 않고도 사용자 간 반복적인 PII 패턴을 요약하고 탐지하기 위해 카운트-민 스케치 데이터 구조를 적용한다.
• 기기 내 처리를 통해 PII를 전송하기 전에 필터링하고 차단함으로써 데이터 유출과 네트워크 오버헤드를 최소화한다.
• 서명 해시화와 잠재적 노이즈 주입을 통해 사전 공격에 저항하는 개인정보 보호 기반 방어 조치를 구현한다.

실험 결과

연구 질문

• RQ1 앱이나 운영체제 수정 없이도 사용자 개인정보를 보호하면서 안드로이드 앱의 PII 泄露를 탐지할 수 있는가?
• RQ2 공동 기반의 서명 집계 방식은 다양한 앱에서 일반적이고 앱 전용 PII를 모두 식별하는 데 얼마나 효과적인가?
• RQ3 배터리 수명, 네트워크 사용량, 사용자가 인지하는 반응성 측면에서 이 시스템의 성능 오버헤드는 어떠한가?
• RQ4 사용자 참여와 학습 데이터 증가에 따라 탐지 정확도는 어떻게 향상되는가?
• RQ5 기존의 규칙 기반 또는 히وري스틱 기반 시스템이 놓치는 PII 유형도 탐지할 수 있는가?

주요 결과

• PrivacyProxy는 191개 앱에 대한 현장 배포에서 F1 스코어 0.885를 기록하여 뛰어난 실세계 탐지 성능을 입증했다.
• 500개의 인기 앱을 대상으로 한 통제된 실험에서는 F1 스코어 0.759를 기록했으며, 추가 학습 데이터를 활용한 40개의 고거짓 양성 앱에 대해서는 0.866으로 향상되었다.
• 시스템의 성능 오버헤드는 8.6%에서 14.2% 사이로, 표준 그대로 사용된 VPN보다 略로 높았지만, 대부분의 사용자가 배터리나 네트워크 성능에 눈에 띄는 영향을 못 느꼈다.
• 사용자 설문 조사 결과, 85%는 배터리 수명에 변화가 없었다고 응답했고, 68%는 네트워크 성능에 변화가 없었다고 보고했다.
• PrivacyProxy는 이전 연구 대비 더 넓은 범위의 PII 유형을 탐지했으며, 앱 전용 식별자와 가로막힌 값까지 포함했다.
• 서명 기반의 적응형 탐지 메커니즘 덕분에, PII의 해시화 또는 인코딩과 같은 데이터 가로막기 기법에도 강건함을 입증했다.