[논문 리뷰] Under the Hood of Membership Inference Attacks on Aggregate Location Time-Series.

Apostolos Pyrgelis, Carmela Troncoso외 1명|arXiv (Cornell University)|2019. 02. 20.

Privacy-Preserving Technologies in Data인용 수 11

한 줄 요약

이 논문은 집합적 위치 시간 시리즈에서 소속 관계 공격이 성공하는 이유를 데이터 양과 이동 패턴의 규칙성 분석을 통해 조사한다. 기존의 위치 프라이버시 방어 기법을 집합적 환경에 적응시켜, 일반적인 이동성 분석을 유지하면서도 공격 위험을 줄일 수 있음을 보여준다.

ABSTRACT

Aggregate location statistics are used in a number of mobility analytics to express how many people are in a certain location at a given time (but not who). However, prior work has shown that an adversary with some prior knowledge of a victim's mobility patterns can mount membership inference attacks to determine whether or not that user contributed to the aggregates. In this paper, we set to understand why such inferences are successful and what can be done to mitigate them. We conduct an in-depth feature analysis, finding that the volume of data contributed and the regularity and particularity of mobility patterns play a crucial role in the attack. We then use these insights to adapt defenses proposed in the location privacy literature to the aggregate setting, and evaluate their privacy-utility trade-offs for common mobility analytics. We show that, while there is no silver bullet that enables arbitrary analysis, there are defenses that provide reasonable utility for particular tasks while reducing the extent of the inference.

연구 동기 및 목표

• 집합적 위치 시간 시리즈에서 소속 관계 공격이 성공하는 근본 원인을 이해하는 것.
• 공격을 가능하게 하는 핵심 데이터 특성—예를 들어 데이터 양과 이동 패턴의 규칙성—을 규명하는 것.
• 기존의 위치 프라이버시 방어 기법을 집합적 데이터 환경에 적응시키는 것.
• 일반적인 이동성 분석 작업을 위한 이러한 방어 기법의 프라이버시-유틸리티 트레이드오프를 평가하는 것.

제안 방법

• 공격 성공에 핵심적인 요소로 작용하는 데이터 양과 이동 패턴의 규칙성을 규명하기 위해 심층적인 특성 분석을 수행하였다.
• 기존의 위치 프라이버시 문헌에서 유래한 방어 기법을 집합적 데이터 환경에서 작동하도록 변형하였다.
• 표준 이동성 분석 워크로드를 사용하여 프라이버시-유틸리티 트레이드오프를 평가하였다.
• 실증적 평가를 통해 방어 기법이 소속 관계 공격의 성공률를 얼마나 줄이고도 분석 유틸리티를 유지하는지 평가하였다.

실험 결과

연구 질문

• RQ1 어떤 데이터 특성이 집합적 위치 시간 시리즈를 소속 관계 공격에 취약하게 만드는가?
• RQ2 데이터 양과 패턴의 규칙성은 이러한 공격의 성공에 어떻게 영향을 미치는가?
• RQ3 기존의 위치 프라이버시 방어 기법 중 어떤 것이 집합적 환경에 효과적으로 적응될 수 있는가?
• RQ4 이러한 적응된 방어 기법의 프라이버시-유틸리티 트레이드오프는 실제 이동성 분석에 대해 어떠한가?

주요 결과

• 데이터 양과 이동 패턴의 규칙성은 집합적 위치 데이터에 대한 소속 관계 공격 성공에 핵심적인 요소이다.
• 적응된 방어 기법은 소속 관계 공격의 성공률를 크게 감소시켰다.
• 단일 방어 기법은 모든 분석 작업에 универс적으로 작동하지는 않지만, 몇몇 기법은 허용 가능한 유틸리티 손실과 함께 강력한 프라이버시 보호를 제공한다.
• 가장 효과적인 방어 기법은 특정 이동성 분석 작업의 유틸리티를 유지하면서도 공격 위험을 상당히 줄였다.