[논문 리뷰] WiFiTrace: Network-based Contact Tracing for Infectious Diseases Using Passive WiFi Sensing

Amee Trivedi, Camellia Zakaria외 2명|arXiv (Cornell University)|2020. 05. 25.

COVID-19 Digital Contact Tracing참고 문헌 31인용 수 41

한 줄 요약

WiFiTrace는 수동적 네트워크 측 WiFi 감지를 사용하여 접촉 추적을 위한 기기 궤적을 재구성하고, 클라이언트 측 앱 없이도 확장 가능한 보고서를 가능하게 하며, 대규모 캠퍼스 네트워크에 대해 그래프 기반 질의를 효율적으로 수행한다.

ABSTRACT

Contact tracing is a well-established and effective approach for the containment of the spread of infectious diseases. While Bluetooth-based contact tracing method using phones has become popular recently, these approaches suffer from the need for a critical mass adoption to be effective. In this paper, we present WiFiTrace, a network-centric approach for contact tracing that relies on passive WiFi sensing with no client-side involvement. Our approach exploits WiFi network logs gathered by enterprise networks for performance and security monitoring, and utilizes them for reconstructing device trajectories for contact tracing. Our approach is specifically designed to enhance the efficacy of traditional methods, rather than to supplant them with new technology. We designed an efficient graph algorithm to scale our approach to large networks with tens of thousands of users. The graph-based approach outperforms an indexed PostgresSQL in memory by at least 4.5X without any index update overheads or blocking. We have implemented a full prototype of our system and deployed it on two large university campuses. We validated our approach and demonstrate its efficacy using case studies and detailed experiments using real-world WiFi datasets.

연구 동기 및 목표

• 클라이언트 측 접촉 추적에 대한 의존도를 줄이고, 궤적 재구성 및 근접 탐지를 위해 엔터프라이즈 WiFi 로그를 활용한다.
• 수만 명의 사용자를 처리할 수 있는 확장 가능한 그래프 기반 방법을 제공한다.
• 범위(커버리지), 프라이버시, 실용성 측면에서 네트워크 중심 WiFi 추적과 클라이언트 중심 Bluetooth 방식의 차이를 비교한다.
• 대규모 대학 네트워크에서의 실제 배포와 합성 질병 시나리오를 통해 접근법을 검증한다.

제안 방법

• 디바이스와 액세스 포인트 간의 시간 주석이 있는 간선으로 구성된 시간에 진화하는 이분 그래프로 WiFi 연결 데이터를 모델링한다.
• 그래프 크기를 제약하고 확장 가능한 질의를 가능하게 하도록 노드 활동을 시간 창으로 분할한다.
• 주어진 사용자, 시간 창, 임계값을 입력으로 하는 그래프 기반 접촉 추적 알고리즘을 개발하여 위치 보고서(방문한 AP 및 지속 시간)와 근접 보고서(동시 위치한 사용자 및 지속 시간)를 출력한다.
• 벤더별 로그 전처리에서 표준 중간 로그 레코드로의 변환과 그래프 구성 및 질의 처리의 2단계 전처리 파이프라인을 사용한다.
• 위치 및 근접 질의를 지원하는 그래프 API와 선택적 JSON 출력이 포함된 오픈 소스 구현을 제공한다.

실험 결과

연구 질문

• RQ1 수동 감지 하에서 WiFi AP 연결이 실제 사용자 위치를 얼마나 정확하게 드러내는가?
• RQ2 시간 기반 그래프 표현이 세션 지속 시간과 동시 위치를 효과적으로 포착하여 근접 탐지에 정확한가?
• RQ3 수만 명의 사용자가 있는 대형 캠퍼스 네트워크에서 그래프 기반 접촉 추적의 확장성과 성능은?
• RQ4 개인정보 보호 장치가 데이터 유용성에 어떤 영향을 미치며 해시된 식별자가 프라이버시와 조사 필요성 사이의 균형을 어떻게 맞출 수 있는가?

주요 결과

• 그래프 기반 접근법은 수만 명의 사용자가 있는 환경까지 확장되며 PostgreSQL 성능과 일치하면서도 메모드는 4.5배 낮고 인덱스 업데이트 오버헤드는 없다.
• WiFiTrace는 수천 개의 AP를 갖는 네트워크 등 대형 캠퍼스에서 수개월에 걸쳐 수십억 개의 로그 이벤트로부터 궤적과 근접 보고서를 재구성할 수 있다.
• 익명화된 실제 데이터로의 검증은 시스템이 위치 및 근접 보고서를 생성할 수 있음을 보여주고 오탐/미탐을 제어하기 위해 세션 지속 시간 임계값을 신중하게 선택할 필요성을 강조한다.
• 두 개의 대형 대학 캠퍼스에 대한 배포는 건강 조사자와의 실용성 있는 통합성과 실용성을 보여주지만, 야외/와이파이 한정 지역은 커버리지를 제약한다.
• 이 방법은 고접촉 표면에 대한 퇴실 후 노출 보고를 포함한 여러 보고 유형을 지원하며 오픈 소스 소프트웨어로 제공된다.