[논문 리뷰] Priority-Aware Private Matching Schemes for Proximity-Based Mobile Social Networks

Ben Niu, Tanran Zhang외 3명|arXiv (Cornell University)|2014. 01. 31.

Caching and Content Delivery참고 문헌 18인용 수 11

한 줄 요약

이 논문은 근접 기반 모바일 소셜 네트워크를 위한 프라이버시 보장 매칭 기법인 P-match와 E-match를 제안하며, 사용자가 정의한 속성 우선순위를 통합하여 매칭 정확도를 향상시킨다. 공통된 암시적 암호화와 우선순위 인식 유사도 함수를 조합하고 블룸 필터를 최적화하여 강력한 프라이버시 보장, 낮은 계산 비용, 에너지 효율성을 달성하였으며, E-match는 모바일 기기에서 0.2초 이내로 매칭를 완료한다.

ABSTRACT

The rapid developments of mobile devices and online social networks have resulted in increasing attention to Mobile Social Networking (MSN). The explosive growth of mobile-connected and location-aware devices makes it possible and meaningful to do the Proximity-based Mobile Social Networks (PMSNs). Users can discover and make new social interactions easily with physical-proximate mobile users through WiFi/Bluetooth interfaces embedded in their smartphones. However, users enjoy these conveniences at the cost of their growing privacy concerns. To address this problem, we propose a suit of priority-aware private matching schemes to privately match the similarity with potential friends in the vicinity. Unlike most existing work, our proposed priority-aware matching scheme (P-match) achieves the privacy goal by combining the commutative encryption function and the Tanimoto similarity coefficient which considers both the number of common attributes between users as well as the corresponding priorities on each common attribute. Further, based on the newly constructed similarity function which takes the ratio of attributes matched over all the input set into consideration, we design an enhanced version to deal with some potential attacks such as unlimitedly inputting the attribute set on either the initiator side or the responder side, etc. Finally, our proposed E-match avoids the heavy cryptographic operations and improves the system performance significantly by employing a novel use of the Bloom filter. The security and communication/computation overhead of our schemes are thoroughly analyzed and evaluated via detailed simulations and implementation.

연구 동기 및 목표

• 기존의 프라이버시 보장 매칭 기법이 모든 공통 속성을 동일하게 취급하여 사용자의 공유 관심사에 대한 주관적 우선순위를 忽시하는 한계를 해결한다.
• 악성 사용자가 비공개 정보를 유추하기 위해 허위 속성을 다량으로 주입함으로써 시스템을 침범하는 프라이버시 위험을 완화한다.
• 제한된 자원을 가진 모바일 기기에서 사용 가능한 경량적이고 효율적인 프로토콜을 설계하여 계산 및 에너지 소비를 최소화한다.
• 시작자 및 응답자 측 공격에 대비하여 강력하고 우선순위 인식 유사도 메트릭을 도입함으로써 보안을 확보한다.
• 프라이버시, 정확도, 성능의 균형을 유지하여 실세계 모바일 소셜 네트워크에 실용적으로 구현 가능하도록 한다.

제안 방법

• 공통 속성 수와 각 속성의 우선순위 가중치를 고려하는 우선순위 인식 Ochiai 유사도 함수를 도입하여 매칭의 관련성을 향상시킨다.
• 양 당사자가 원시 속성 집합을 드러내지 않은 채로도 안전하게 유사도를 계산하기 위해 교환 암호화를 활용한다.
• 공통 매칭 속성 수를 총 입력 집합에 대한 비율로 정규화하는 개선된 유사도 함수를 설계하여 속성 침입 공격에 저항한다.
• E-match 프로토콜에서 블룸 필터를 활용하여 통신 및 계산 오버헤드를 줄이고, 무거운 암호화 연산을 대체한다.
• 모든 당사자가 매칭 결과 이외의 정보를 얻지 못하도록 보장하는 안전한 다자간 계산 프레임워크를 제안한다.
• 기준 기반 결정 메커니즘을 통합하여 기반 속성 데이터를 폭 드러내지 않은 채로 친구 매칭 여부를 판단한다.

실험 결과

연구 질문

• RQ1 어떻게 속성 우선순위를 프라이버시 보장 매칭에 효과적으로 통합하여 근접 기반 모바일 네트워크에서의 사회적 매칭 정확도를 향상시킬 수 있는가?
• RQ2 어떤 메커니즘이 악성 사용자가 과도한 속성을 주입하여 비공개 정보를 추론하는 침입 공격을 방지할 수 있는가?
• RQ3 제한된 계산 및 에너지 자원을 가진 모바일 기기에서 구현 가능한 프라이버시 보장 매칭을 어떻게 효율적으로 설계할 수 있는가?
• RQ4 제안된 우선순위 인식 유사도 함수는 기존의 단순 교집합 또는 Tanimoto 계수와 비교해 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 블룸 필터 기반 최적화가 보안을 유지하면서도 통신 및 계산 비용을 상당히 줄일 수 있는가?

주요 결과

• κ=10일 때, Nexus S 스마트폰에서 E-match 프로토콜이 매칭 단계를 단 103.6밀리초 내로 완료하여 기존 기법들이 수분이 소요되는 것에 비해 뛰어난 성능을 보였다.
• 평균적으로 E-match는 시작자 측에서 55.60mJ, 응답자 측에서 33.00mJ의 에너지만 소비하며, P-match의 9.81J와 비교해 극적으로 낮고, 다른 기법들의 178–280J에 비해도 훨씬 낮은 에너지 소비를 기록했다.
• E-match의 실행 시간은 높은 우선순위 값(κ)이 증가하더라도 약간만 증가하여 κ=10일 때도 200밀리초 이내로 유지되어 강건성과 확장성을 입증했다.
• P-match는 스마트폰에서 온라인 계산 시간이 15.67초로, 500초 이상 소요되는 [20] 및 [24]와 같은 기법들보다 훨씬 빠른 안전하고 프라이버시 보장된 매칭 과정을 달성했다.
• 제안된 우선순위 인식 Ochiai 유사도 함수는 '암'과 같은 고우선순위 공통 속성과 '음악'과 같은 저우선순위 속성 간의 매칭을 효과적으로 구분하여 이전 기법이 실패하는 경우를 해결했다.
• 시뮬레이션 결과, E-match 프로토콜이 전통적인 암호 기반 접근 방식에 비해 통신 및 계산 비용을 90% 이상 감소시키면서도 강력한 보안 보장을 유지하는 것으로 확인되었다.