[논문 리뷰] Quest: Practical and Oblivious Mitigation Strategies for COVID-19 using WiFi Datasets

Peeyush Gupta, Sharad Mehrotra외 4명|arXiv (Cornell University)|2020. 05. 05.

Privacy-Preserving Technologies in Data참고 문헌 48인용 수 14

한 줄 요약

Quest는 개인의 위치 기밀을 훼손하지 않으면서도 조직 내에서 피플워치 및 사회적 거리두기 모니터링을 가능하게 하는 프라이버시 보장 시스템을 제안한다. 이는 수동적 WiFi 연결 데이터를 활용하며, 개인의 이동력 기록 추적을 방지하기 위해 계산적 및 정보 이론적 보안 프로토콜을 사용한다. 동시에 정확한 노출자 식별을 위해 옵트인 경고 기반으로 작동하며, UC 어바나이브에서 5000만 개의 튜플 규모의 캠퍼스 수준 배포를 통해 검증되었으며 최적화 후 쿼리 성능이 1초 이내로 확보되었다.

ABSTRACT

Contact tracing has emerged as one of the main mitigation strategies to prevent the spread of pandemics such as COVID-19. Recently, several efforts have been initiated to track individuals, their movements, and interactions using technologies, e.g., Bluetooth beacons, cellular data records, and smartphone applications. Such solutions are often intrusive, potentially violating individual privacy rights and are often subject to regulations (e.g., GDPR and CCPR) that mandate the need for opt-in policies to gather and use personal information. In this paper, we introduce Quest, a system that empowers organizations to observe individuals and spaces to implement policies for social distancing and contact tracing using WiFi connectivity data in a passive and privacy-preserving manner. The goal is to ensure the safety of employees and occupants at an organization, while protecting the privacy of all parties. Quest incorporates computationally- and information-theoretically-secure protocols that prevent adversaries from gaining knowledge of an individual's location history (based on WiFi data); it includes support for accurately identifying users who were in the vicinity of a confirmed patient, and then informing them via opt-in mechanisms. Quest supports a range of privacy-enabled applications to ensure adherence to social distancing, monitor the flow of people through spaces, identify potentially impacted regions, and raise exposure alerts. We describe the architecture, design choices, and implementation of the proposed security/privacy techniques in Quest. We, also, validate the practicality of Quest and evaluate it thoroughly via an actual campus-scale deployment at UC Irvine over a very large dataset of over 50M tuples.

연구 동기 및 목표

• 코로나19와 같은 팬데믹 기간 동안 블루투스 및 GPS 기반 접촉 추적 시스템의 프라이버시 위험과 낮은 수용도 문제를 해결하기 위해.
• 사용자 데이터 공유 동의 없이도 조직 수준에서 존재 및 근접도를 모니터링할 수 있는 수동적 시스템을 개발하기 위해.
• 심지어 시스템에 접근한 악성 공격자라도 개인의 이동력 기록을 재구성할 수 없도록 WiFi 기반 위치 데이터의 기밀성을 보장하기 위해.
• 보안적이고 옵트인 기반의 경고 메커니즘을 통해 확진자와 접촉한 개인을 정확히 식별할 수 있도록 하기 위해.
• 기관 환경에서 실시간으로 활용 가능한 응용 프로그램, 예를 들어 인파 유동 모니터링, 점유율 추적, 사회적 거리두기 위반 감시를 지원하기 위해.

제안 방법

• Quest는 활성 블루투스나 GPS 신호에 의존하지 않고 WiFi 액세스 포인트(AP) 연결 로그를 활용해 실내 공간 내에서 개인의 존재 및 근접도를 추론한다.
• 두 가지 보안 쿼리 프로토콜을 구현한다: cQuest(계산적 보안), iQuest(정보 이론적 보안)이며, 양자 모두 접근 패턴을 숨기고 사용자 신원이나 위치를 유추할 수 없도록 설계되었다.
• 통신 및 계산 오버헤드를 줄이기 위해 에포크 및 위치별 암호화된 해시 테이블과 최적화된 카운터 구조를 사용한다.
• 개인 간의 공통 존재 여부를 확인하기 위해 보안 다자간 계산 기법을 적용하여 개인 집합 교차(private set intersection)를 수행하며, 데이터 泄露 없이 작동한다.
• 다양한 프라이버시 보장 쿼리 기능을 지원하며, 예를 들어 사회적 거리두기 위반자 식별 및 고밀도 지역 탐지 등이 포함된다.
• 외주화된 암호화된 해시 테이블과 에포크별 카운터를 적용한 최적화 기법으로, 데이터 전송량을 95MB에서 56.6KB로, 쿼리 시간을 206초에서 2초로 감소시켰다.

실험 결과

연구 질문

• RQ1 수동적이고 WiFi 기반의 시스템이 개인의 프라이버시를 보장하면서도 접촉 추적 및 사회적 거리두기 모니터링을 가능하게 할 수 있는가?
• RQ2 보안 쿼리에서 접근 패턴을 어떻게 숨기면 사용자 이동력 기록 유출을 방지할 수 있는가?
• RQ3 정보 이론적 보안이 실제 배포 환경에서 계산적 보안에 비해 어떤 성능 오버헤드를 유발하는가?
• RQ4 암호화 최적화 기법을 통해 대규모 배포 환경에서 통신 및 계산 비용을 얼마나 줄일 수 있는가?
• RQ5 이러한 시스템이 고용량 데이터를 처리하는 실제 기관 환경(예: 대학)에 실질적으로 배포 가능한가?

주요 결과

• 최적화된 Quest 버전은 Q3(사회적 거리두기 위반) 쿼리의 실행 시간을 에포크 및 위치별 카운터를 도입해 206초에서 2초로 감소시켰다.
• 외주화된 암호화된 해시 테이블을 적용함으로써 Q4(유일한 장치 식별) 쿼리 처리 시간이 179.4초에서 1초로 단축되었다.
• 최적화 기법을 통해 Q3의 통신 오버헤드는 95MB에서 56.6KB로, Q2의 통신 오버헤드는 3.6GB에서 2.1MB로 감소하였다.
• iQuest는 통신 비용이 더 높지만, 접근 패턴 유출가 없이 정보 이론적 보안을 달성했으며, cQuest는 접근 패턴을 노출하는 것으로 확인되었다.
• 최적화 후 핵심 쿼리에 대해 1초 이내의 응답 시간을 확보하여 실시간 모니터링의 실용성을 입증하였다.
• 5000만 개 이상의 WiFi 튜플을 사용한 UC 어바나이브 현장 배포를 통해 시스템의 확장성과 실용성이 실제 캠퍼스 환경에서 검증되었다.