[논문 리뷰] Your Interests According to Google - A Profile-Centered Analysis for Obfuscation of Online Tracking Profiles

Martin Degeling, Thomas Herrmann|arXiv (Cornell University)|2016. 01. 24.

Privacy, Security, and Data Protection참고 문헌 19인용 수 7

한 줄 요약

이 논문은 사용자 관심사를 추론하고 추적하는 데 사용되는 사회적 북마크 데이터를 활용해 구글의 관심 프로파일링을 분석한다. 사용자가 브라우징 행동을 조작함으로써 추적 프로파일을 왜곡하는 프로파일 중심의 혼동 기법을 제안하며, 조건부로 불안정한 프로파일이라도 효과적으로 혼동시켜 사용자 개인정보 보호와 자율성을 향상시킬 수 있음을 입증한다.

ABSTRACT

Profiling users for the purpose of targeted advertisements or other kinds of personalization is very popular on the internet. But besides the benefits of individually tailored news feeds and shopping recommendation research has shown that many users consider this practice as privacy infringement. Profiling is often conducted without consent and services offer neither information about what the profile looks like nor which effects it might have. In this paper we argue that understanding profiling and thus interacting with the resulting profiles fosters a privacy literacy that is necessary for users to stay autonomous in the information society. We analyze the extent of interest profiling by google and develop a countermeasures that helps to obfuscate these profiles. To do so we analyzed a links lists from a social bookmarking service with regard to the interests they reveal. We found that, although the profiling by google is very unstable we can still use the information to obfuscate the profile.

연구 동기 및 목표

• 온라인 추적을 통해 구글이 사용자 관심 프로파일을 어떻게 구성하는지 조사하기 위해.
• 자동화된 프로파일링이 사용자 개인정보 보호와 자율성에 끼치는 영향를 이해하기 위해.
• 프로파일 추적을 왜곡함으로써 개인정보 침해를 줄이기 위한 방법을 개발하기 위해.
• 사용자가 자신의 프로파일이 어떻게 형성되고 사용되는지 이해하도록 하여 개인정보 보호 인식을 제고하기 위해.
• 사용자가 디지털 프로파일을 조작하거나 왜곡할 수 있도록 하는 실용적인 대응 조치를 제공하기 위해.

제안 방법

• 사용자 관심사를 추론하기 위해 사회적 북마크 서비스에서 수집한 링크 데이터셋을 수집하고 분석하였다.
• 이 링크들을 구글의 관심 카테고리에 매핑하여 프로파일링의 범위와 정확도를 평가하였다.
• 유사한 행동이 이루어졌을 때 프로파일 레이블이 일관되지 않아 발생하는 프로파일링 시스템의 불안정성을 확인하였다.
• 관찰된 불안정성을 바탕으로, 추적 알고리즘을 오도시키기 위해 의도적인 브라우징 패턴을 사용하는 프로파일 혼동 기법을 설계하였다.
• 통제된 조건에서 프로파일 변화를 시뮬레이션하여 혼동 기법의 효과성을 평가하였다.
• 추적을 완전히 차단하는 것이 아니라 프로파일 데이터 조작에 초점을 맞춘 사용자 중심의 개인정보 보호 접근 방식을 제안하였다.

실험 결과

연구 질문

• RQ1 사용자 브라우징 행동을 바탕으로 해서, 구글의 관심 프로파일링 시스템은 사용자 관심을 얼마나 정확하게 반영하는가?
• RQ2 유사한 사용자 행동이 제시되었을 때, 구글의 관심 프로파일은 얼마나 안정적이고 일관된가?
• RQ3 구글의 프로파일링 시스템에서 관찰된 불안정성은 사용자 프로파일을 혼동하거나 왜곡하는 데 악용될 수 있는가?
• RQ4 사용자는 어떤 기법을 사용하여 프로파일 추적을 능동적으로 조작하여 개인정보 위험을 줄일 수 있는가?
• RQ5 개선된 개인정보 보호 인식과 프로파일 제어를 통해 사용자는 디지털 환경에서 더 큰 자율성을 확보할 수 있는가?

주요 결과

• 구글의 관심 프로파일링은 매우 불안정하며, 유사한 사용자 행동이 이루어져도 일관되지 않거나 예측할 수 없는 프로파일 레이블을 생성한다.
• 이러한 불안정성에도 불구하고, 프로파일링 시스템은 사용자 활동을 바탕으로 식별 가능하고 잠재적으로 해로운 프로파일을 생성한다.
• 관찰된 구글 시스템의 불안정성은 효과적인 프로파일 혼동을 위해 악용 가능한 취약점을 창출한다.
• 제안된 혼동 기법은 잘못된 브라우징 패턴을 도입하여 사용자 프로파일을 성공적으로 왜곡한다.
• 사용자가 추적을 차단하는 것이 아니라, 수집된 프로파일 데이터를 능동적으로 조작함으로써 의미 있는 개인정보 보호를 달성할 수 있다.
• 프로파일 중심의 혼동은 개인이 감시에 저항하는 방식으로 자신의 디지털 정체성을 스스로 형성할 수 있도록 하여 사용자 자율성을 향상시킨다.