[논문 리뷰] Smartphone Fingerprinting Via Motion Sensors: Analyzing Feasibility at Large-Scale and Studying Real Usage Patterns

Anupam Das, Nikita Borisov외 2명|arXiv (Cornell University)|2016. 05. 27.

Internet Traffic Analysis and Secure E-voting인용 수 6

한 줄 요약

이 논문은 k-NN 분류기와 거리 메트릭 학습을 사용하여 400台의 장치에서 최대 90%의 정확도로 스마트폰 동작 센서를 활용한 대규모 장치 지문화가 가능하다고 보여주며, 100,000대의 장치에서는 최소 12–16%의 정확도를 달성한다. 또한 웹사이트에서 동작 센서 데이터가 자주 수집된다는 점을 입증하고, 이로 인해 지문화가 가능할 수 있음을 보여주며, 사용성에 큰 영향을 주지 않으면서 지문화 정확도를 낮추는 개인정보 보호 대응 조치인 왜곡화와 양자화를 평가한다.

ABSTRACT

Advertisers are increasingly turning to fingerprinting techniques to track users across the web. As web browsing activity shifts to mobile platforms, traditional browser fingerprinting techniques become less effective; however, device fingerprinting using built-in sensors offers a new avenue for attack. We study the feasibility of using motion sensors to perform device fingerprinting at scale, and explore countermeasures that can be used to protect privacy. We perform a large-scale user study to demonstrate that motion sensor fingerprinting is effective with even 500 users. We also develop a model to estimate prediction accuracy for larger user populations; our model provides a conservative estimate of at least 12% classification accuracy with 100000 users. We then investigate the use of motion sensors on the web and find, distressingly, that many sites send motion sensor data to servers for storage and analysis, paving the way to potential fingerprinting. Finally, we consider the problem of developing fingerprinting countermeasures; we evaluate a previously proposed obfuscation technique and a newly developed quantization technique via a user study. We find that both techniques are able to drastically reduce fingerprinting accuracy without significantly impacting the utility of the sensors in web applications.

연구 동기 및 목표

• 기존 연구가 100대에 국한된 바를 넘어서, 대규모 환경에서 동작 센서 기반 장치 지문화의 실현 가능성을 평가하는 것.
• 내부 및 외부 군집 거리 분포를 기반으로 대규모 인구 집단에 대한 지문화 정확도를 모델링하고 예측하는 것.
• 실제 웹사이트에서 동작 센서의 사용 상황을 분석하고, 데이터 유출을 통한 지문화 위험을 평가하는 것.
• 운동 제어 게임에서 두 가지 대응 조치인 왜곡화와 양자화를 테스트하여 개인정보 보호와 기능 간의 상호 조정을 평가하는 것.

제안 방법

• 다양한 기기와 사용자로부터 610대의 스마트폰에서 동작 센서 데이터를 수집하여 대규모 지문화 데이터셋을 구축하였다.
• 거리 메트릭 학습을 적용한 k-NN 분류기를 사용하여 동작 센서 트레이스 기반으로 기기를 분류하였다.
• 내부 및 외부 군집 거리 분포에 적합한 분포를 피팅하여 대규모 집단에서의 분류 정확도를 추정하는 파라미터 기반 모델을 개발하였다.
• Alexa 상위 10만 개 웹사이트의 정적 및 동적 자바스크립트를 분석하여 동작 센서 접근 및 데이터 전송 패턴을 탐지하였다.
• 운동 데이터를 극좌표계로 변환하고 해상도를 낮춰 기기 고유의 패턴을 흐리게 하는 새로운 양자화 기반 대응 조치를 제안하였다.
• 운동 제어 게임을 사용한 사용자 연구를 통해 408명의 참가자를 대상으로 개인정보 보호 기법이 사용성에 미치는 영향을 평가하였으며, 주관적 평가와 객관적 게임 성능 지표를 측정하였다.

실험 결과

연구 질문

• RQ1 기존 연구가 100대에 국한된 바를 넘어서, 동작 센서 기반 지문화가 대규모에서 높은 정확도로 구현 가능한가?
• RQ2 10만 대의 장치 집단에서 예측되는 지문화 정확도는 얼마이며, 훈련 데이터 크기에 따라 어떻게 변하는가?
• RQ3 실제 웹사이트에서 동작 센서 접근과 데이터 전송은 얼마나 퍼져 있으며, 주요 사용 사례는 무엇인가?
• RQ4 왜곡화와 양자화와 같은 개인정보 보호 기법이 실생활 응용에서 센서 기능에 큰 영향을 주지 않으면서도 지문화 정확도를 효과적으로 낮출 수 있는가?
• RQ5 이러한 대응 조치가 운동에 민감한 웹 애플리케이션에서 사용자 경험에 어떤 영향을 미치는가?

주요 결과

• 400대의 장치 데이터셋에서 동작 센서 기반 지문화가 90%의 분류 정확도를 달성하여 대규모에서의 실현 가능성을 입증하였다.
• 모델은 10만 대의 장치에서 보수적인 지문화 정확도 12–16%를 예측하여, 동작 센서 기반 지문화가 대규모에서 여전히 실현 가능한 위협임을 시사한다.
• Alexa 상위 10만 개 웹사이트에서 1,000건 이상의 동작 센서 접근 사례를 확인하였으며, 서버로의 데이터 전송이 빈번하여 잠재적 지문화 인프라를 구축할 수 있었다.
• 대부분의 스크립트가 동작 센서 데이터를 서버로 전송하며, 일부는广고 광고 타겟팅에 센서 존재 여부를 활용하여 기존의 데이터 수집 파이프라인을 통해 지문화가 가능할 수 있음을 보여주었다.
• 사용자 연구 결과, 기준 조건과 개인정보 보호 조건 간에 게임 난이도, 지속 시간, 재시작 횟수에 통계적으로 유의미한 차이가 없었으며, 사용성에 거의 영향을 주지 않았다.
• 왜곡화 방법과 새로 제안된 양자화 기법이 운동 기반 웹 애플리케이션에서 사용자 경험에 영향을 주지 않으면서도 지문화 정확도를 효과적으로 낮추었다.