[논문 리뷰] STAR: Secret Sharing for Private Threshold Aggregation Reporting

Alex Davidson, Peter J. Snyder외 4명|arXiv (Cornell University)|2021. 09. 21.

Privacy-Preserving Technologies in Data인용 수 4

한 줄 요약

STAR는 비밀 분할과 무작위성 기반의 의사난수 함수(OPRF)를 사용하여 클라이언트 측 텔레메트리 데이터에 암호학적으로 강제된 𝜅-익명성을 보장하는 실용적이고 효율적인 임계값 집계 시스템이다. 이 시스템은 이전 시스템 대비 성능이 1773배 빠르고, 통신량은 62.4배 줄어들며, 운영 비용은 24배 감소했으며, 임의의 데이터 유형을 지원하고 최소한의 신뢰 가정을 필요로 한다.

ABSTRACT

Threshold aggregation reporting systems promise a practical, privacy-preserving solution for developers to learn how their applications are used "\emph{in-the-wild}". Unfortunately, proposed systems to date prove impractical for wide scale adoption, suffering from a combination of requiring: \emph{i)} prohibitive trust assumptions; \emph{ii)} high computation costs; or \emph{iii)} massive user bases. As a result, adoption of truly-private approaches has been limited to only a small number of enormous (and enormously costly) projects. In this work, we improve the state of private data collection by proposing $\mathsf{STAR}$, a highly efficient, easily deployable system for providing cryptographically-enforced $κ$-anonymity protections on user data collection. The $\mathsf{STAR}$ protocol is easy to implement and cheap to run, all while providing privacy properties similar to, or exceeding the current state-of-the-art. Measurements of our open-source implementation of $\mathsf{STAR}$ find that it is $1773 imes$ quicker, requires $62.4 imes$ less communication, and is $24 imes$ cheaper to run than the existing state-of-the-art.

연구 동기 및 목표

• 높은 신뢰도, 계산 비용 또는 통신 비용으로 인해 기존 임계값 집계 시스템이 실용적이지 못한 점을 해결하기 위해.
• 개발자가 최소한의 신뢰도와 구현 복잡도로 개인 정보 보호 기반 텔레메트리의 광범위한 도입을 가능하게 하기 위해.
• 큰 사용자 기반이나 노이즈 주입 없이도 𝜅-익명성과 동일한 강력한 개인정보 보호 보장을 제공하기 위해.
• 수치형 입력에 국한되지 않고 임계값 보호 집계에 임의의 데이터 유형을 지원하기 위해.
• 잘 알려진 암호학 기법을 사용해 효율적이고 검증 가능하며 구현 가능한 시스템을 설계하기 위해.

제안 방법

• 클라이언트는 측정값과 보조 데이터를 자신의 입력과 OPRF 기반 무작위성 서버로부터 제공받은 난수를 이용해 암호화하여 암호문을 생성한다.
• 클라이언트는 암호문, 난수의 𝜅-중복-N 비밀 분할, 측정값을 식별하는 결정론적 태그를 전송한다.
• 집계 서버는 동일한 태그를 가진 메시지를 수신하고, 최소 𝜅명의 클라이언트가 기여한 경우에만 암호화 키를 재구성한다.
• OPRF 서버는 악의적인 경우에도 클라이언트 입력을 알 수 없도록 하여 기밀성을 보장한다.
• 입력의 엔트로피가 충분한 경우에만 측정값에서 난수를 유도하는 경량 버전인 STARLite를 지원한다.
• 프로토콜은 완전한 정확성과 구체적인 보안을 보장하여 랜덤라이즈드 리스폰스 기반 접근 방식에서 흔히 발생하는 오류 및 누출 문제를 방지한다.

실험 결과

연구 질문

• RQ1 계산, 통신, 신뢰도 오버헤드를 줄여 실생활에 적용 가능한 임계값 집계를 구현할 수 있는가?
• RQ2 큰 사용자 기반이나 노이즈 주입에 의존하지 않고도 강력한 개인정보 보호 보장(예: 𝜅-익명성)을 달성할 수 있는가?
• RQ3 비밀 분할을 어떻게 변형하여 임계값 집계 환경에서 임의의 데이터 유형과 비상호작용적, 분산형 클라이언트 조율을 지원할 수 있는가?
• RQ4 강력한 암호학적 보안과 최소한의 신뢰 가정을 유지하면서도 높은 성능과 낮은 비용을 달성할 수 있는가?
• RQ5 OPRF 기반 난수 생성을 어떻게 활용하여 효율적이고 개인 정보 보호 기반이며 확장 가능한 집계를 실현할 수 있는가?

주요 결과

• STAR는 기존 최고 수준의 임계값 집계 성능 대비 1773배 빠른 성능을 기록했다.
• STAR는 기존 시스템 대비 통신 오버헤드를 62.4배 줄였다.
• STAR는 운영 비용을 24배 감소시켜 소규모 및 중간 규모 애플리케이션에서도 구현 가능하게 했다.
• 이전 시스템이 수치형 입력에 국한된 것과 달리, 시스템은 임의의 데이터 유형을 지원한다.
• 입력 엔트로피가 충분한 경우 STARLite는 별도의 난수 서버 없이도 구현이 가능하게 하여 인프라 복잡도를 감소시켰다.
• 프로토콜은 완전한 정확성과 구체적인 보안을 제공하여 랜덤라이즈드 리스폰스 기반 접근 방식에서 흔히 발생하는 오류 및 누출 문제를 피한다.