[논문 리뷰] Secure and secret cooperation of robotic swarms by using Merkle trees

Eduardo Castelló Ferrer, Thomas Hardjono외 2명|arXiv (Cornell University)|2019. 04. 19.

Modular Robots and Swarm Intelligence참고 문헌 54인용 수 11

한 줄 요약

이 논문은 로봇 스웜에서 보안적이고 비밀스러운 협업을 위한 머클 트리 기반 모델을 제안한다. 이 모델은 로봇들이 상호 간의 무결성을 검증하고, 고수준의 목표를 알지 못한 채 정확한 순서로 임무를 수행할 수 있도록 한다. 이 접근법은 데이터 검증을 데이터 자체에서 분리하여 노출을 줄이고, 사냥 및 미로 형성 임무에서 정확한 순차적 실행을 보장한다.

ABSTRACT

Swarm robotics systems are becoming an important component of both academic research and real-world applications. However, in order to reach widespread adoption, new models that ensure the secure cooperation of these systems need to be developed. This work proposes a novel model to encapsulate cooperative robotic missions in Merkle trees. With the proposed model, swarm operators can provide the blueprint of the swarm's mission without disclosing its raw data. In other words, data verification can be separated from data itself. We propose a system where robots in the swarm have to prove their integrity to their peers by exchanging cryptographic proofs. This work analyzes and tests the proposed approach for two different robotic missions: foraging (where robots modify the environment) and maze formation (where robots become part of the environment). In both missions, robots were able to cooperate and carry out sequential operations in the correct order without having explicit knowledge about the mission's high-level goals or objectives. The performance, communication costs, and information diversity requirements for the proposed approach are analyzed. Finally, conclusions are drawn and future work directions are suggested.

연구 동기 및 목표

• 임무 데이터 기밀성을 보호하는 보안적 협업 로봇 스웜 모델을 개발하기 위해.
• 로봇들이 원시 임무 데이터를 공유하지 않고도 상호 간의 무결성을 암호학적 증명을 통해 검증할 수 있도록 하기 위해.
• 임무 데이터 검증을 원시 데이터에서 분리하여 보안성과 프라이버시를 향상시키기 위해.
• 동적 및 정적 환경 상호작용이 있는 실제 로봇 임무에서 이 접근법을 평가하기 위해.
• 스웜 협업에서의 통신 비용, 성능, 정보 다양성 요구사항을 분석하기 위해.

제안 방법

• 시스템은 스웜 임무를 머클 트리에 봉인하여, 각 로봇이 임무 순서에서 자신의 역할에 대한 암호학적 증명을 보유한다.
• 로봇들은 머클 증명을 교환하여 상호 간의 무결성과 정당한 임무 참여를 암호학적으로 검증한다.
• 이 모델은 어떤 로봇도 전체 임무 블루프린트를 알 수 없도록 보장하며, 오직 자신의 증명과 머클 트리의 루트 해시만을 알게 된다.
• 이 접근법은 각 로봇의 행동을 머클 트리 구조 내 특정 위치에 바인딩함으로써 순차적 동작을 지원한다.
• 모델 평가를 위해 환경을 변화시키는 사냥 및 환경에 미로를 통합하는 형성 두 가지 테스트 임무를 구현하였다.
• 확장성과 효율성 평가를 위해 성능 지표, 통신 오버헤드, 정보 다양성을 측정하였다.

실험 결과

연구 질문

• RQ1 머클 트리 기반 시스템은 임무 목표를 드러내지 않으면서도 로봇 스웜 간의 보안적 비밀스러운 협업을 가능하게 할 수 있는가?
• RQ2 로봇들은 원시 임무 데이터를 공유하지 않고도 상호 간의 무결성을 어떻게 검증할 수 있는가?
• RQ3 동적 스웜 임무에서 암호학적 증명을 유지할 경우 통신 비용과 성능 비용은 어떻게 되는가?
• RQ4 로봇들이 전체 임무에 대한 지식이 제한된 상태에서 어떻게 정확한 순차적 실행을 보장할 수 있는가?
• RQ5 스웜 내에서 위탁 또는 위조를 방지하기 위해 필요한 정보 다양성은 무엇인가?

주요 결과

• 로봇들은 고수준 목표를 알지 못한 채 머클 트리 증명에만 의존하여 사냥 및 미로 형성 임무를 성공적으로 수행하였다.
• 시스템은 임무 데이터의 노출을 최소화하여 보안적 협업을 달성하였으며, 공유된 것은 암호학적 해시와 증명뿐이었다.
• 통신 비용은 관리 가능했으며, 증명 교환 오버헤드는 로봇 수의 로그 비례로 증가하였다.
• 이 접근법은 순차적 동작에서 정확성을 유지하여, 행동이 의도된 순서에 따라 수행됨을 보장하였다.
• 정보 다양성은 충분하여, 각 로봇의 증명이 머클 트리 내 자신의 역할에 고유하게 연결되어 있어 위탁 또는 위조를 방지하였다.
• 이 모델은 개인정보가 민감한 로봇 스웜 응용 분야에서의 실질적 구현 가능성을 입증하였다.