[논문 리뷰] Smartphone Fingerprinting Via Motion Sensors: Analyzing Feasiblity at Large-Scale and Studing Real Usage Patterns.

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

Internet Traffic Analysis and Secure E-voting참고 문헌 29인용 수 7

한 줄 요약

이 논문은 스마트폰 동작 센서를 사용하여 100,000명의 사용자에서 최소 12%의 분류 정확도로 대규모 기기 지문화를 구현할 수 있음을 입증한다. 이는 많은 웹사이트가 이미 동작 센서 데이터를 수집하고 있음을 보여주며, 추적을 가능하게 한다. 본 연구는 왜곡과 양자화라는 두 가지 대응 기법을 평가하여, 센서 기능에 손상을 주지 않으면서도 지문화 정확도를 낮춘다는 것을 입증한다.

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

• 스마트폰의 동작 센서를 대규모 기기 지문화에 효과적으로 활용할 수 있는지 평가하는 것.
• 웹에서 실생활 사용 패턴을 기반으로 동작 센서 데이터가 어떻게 사용되고 있는지 조사하는 것.
• 지문화 정확도를 낮추면서도 센서 기능을 유지할 수 있는 프라이버시 보존 기법을 평가하는 것.

제안 방법

• 500명의 참가자 대상 대규모 사용자 연구를 수행하여 동작 센서 데이터를 수집하고 지문화 정확도를 평가하였다.
• 대규모 사용자 집단에 대한 분류 정확도를 예측하기 위한 예측 모델을 개발하였으며, 100,000명의 사용자에서 최소 12%의 정확도를 예측하였다.
• 실제 웹 트래픽을 분석하여 서버로의 동작 센서 데이터 전송 여부를 탐지하고, 지문화의 잠재적 경로를 규명하였다.
• 이미 제안된 왜곡 기법을 평가하여 지문화를 방해하는 데 성공하였다.
• 센서 데이터의 정밀도를 낮추고 지문의 고유성을 감소시키기 위해 새로운 양자화 기법을 제안하고 구현하였다.
• 사용자 연구를 수행하여 대응 조치가 지문화 정확도와 애플리케이션 기능에 미치는 영향을 평가하였다.

실험 결과

연구 질문

• RQ1 스마트폰의 동작 센서가 대규모 기기 지문화에 효과적으로 활용될 수 있는가?
• RQ2 실제 웹 환경에서 웹사이트들이 얼마나 널리 동작 센서 데이터를 수집하고 전송하고 있는가?
• RQ3 기존의 대응 조치는 센서 기능에 영향을 주지 않으면서 지문화 정확도를 어느 정도 낮출 수 있는가?
• RQ4 100,000명의 사용자 수준에서의 동작 센서 지문화 분류 정확도는 예상되나?
• RQ5 왜곡과 양자화 기법은 프라이버시 보호의 효과성과 사용성 측면에서 어떻게 비교되는가?

주요 결과

• 100,000명의 사용자에서 동작 센서 지문화가 최소 12%의 분류 정확도를 달성하여 대규모 적용 가능성은 입증되었다.
• 대규모 사용자 연구를 통해 500명의 사용자로도 동작 센서 지문화가 효과적임을 확인하였다.
• 많은 웹사이트들이 동작 센서 데이터를 수집하고 서버로 전송하는 것으로 밝혀져 지문화의 실현 가능한 경로가 되었다.
• 왜곡 기법은 지문화 정확도를 뚜렷이 낮추었으며, 센서 기능에 눈에 띄는 영향을 주지 않았다.
• 새로 제안된 양자화 기법 역시 지문화 정확도를 낮추면서도 웹 애플리케이션의 기능을 유지하였다.
• 두 대응 조치 모두 실질적으로 효과적이었으며, 사용자 경험에 영향을 주지 않으면서도 프라이버시를 보호할 수 있음을 보여주었다.