[논문 리뷰] Privacy-Protecting Techniques for Behavioral Biometric Data: A Survey

Simon Hanisch, Patricia Arias-Cabarcos외 2명|arXiv (Cornell University)|2021. 09. 09.

User Authentication and Security Systems인용 수 5

한 줄 요약

이 종합 검토는 음성, 보행, 시선, 뇌파(EEG)와 같은 행동 생체정보에 대한 개인정보 보호 기법을 체계적으로 검토하며, 변환 유형과 개인정보 보호 목표에 따라 익명화 방법을 분류한다. 연구에서 주요 연구 격차가 드러났으며, 특히 시선과 뇌 활동과 같은 미비하게 연구된 특성에 대해 강조하고 있으며, 현실적인 공격자 모델을 반영하지 못하는 약한 평가 방법론을 지적하며, 개선된 공격자 모델과 표준화된 벤치마크의 필요성을 제기한다.

ABSTRACT

Our behavior (the way we talk, walk, act or think) is unique and can be used as a biometric trait. It also correlates with sensitive attributes like emotions and health conditions. Hence, techniques to protect individuals privacy against unwanted inferences are required, if such data is planned to be processed. To consolidate knowledge in this area, we systematically review applicable anonymization techniques. We taxonomize and compare existing solutions regarding privacy goals, conceptual operation, advantages, and limitations. We review anonymization techniques for the behavioral biometric traits of voice, gait, hand motions, eye-gaze, heartbeat (ECG), and brain activity (EEG). Our analysis shows that some behavioral traits (e.g., voice) have received much attention, while others (e.g., eye-gaze, brain activity) are mostly neglected. We also find that the evaluation methodology of behavioral anonymization techniques can be further improved.

연구 동기 및 목표

• 다양한 모odalities에서 행동 생체정보 데이터에 대한 익명화 기법에 관한 기존 연구를 통합하고 체계화하는 것.
• 행동 데이터 처리 과정에서의 개인정보 위협과 공격자 모델을 특정화하며, 특히 건강 상태나 정서와 같은 민감한 특성의 추론에 초점을 맞춘다.
• 현재 익명화 기법의 효과성과 한계를 평가하며, 현실적인 공격자에 대한 내성에 대한 저항력을 중심으로 분석한다.
• 시선과 뇌 활동과 같이 연구가 미흡한 행동 생체 특성에 주목하며, 이들에 대한 충분한 개인정보 보호 솔루션이 부족한 점을 지적한다.
• 현재 평가 방법론을 비판하고 개선하며, 일반적으로 약한 공격자 모델을 가정하고 연구 간 표준화가 부족한 점을 지적한다.

제안 방법

• Kitchenham의 지침을 따르는 체계적 문헌 검토를 수행하여, 총 296篇의 초기 논문 집합에서 101篇의 논문을 분석하였다.
• 두 가지 분류 체계를 제안: 데이터 변환 유형(예: 펌프팅, 왜곡, 암호화)에 기반한 분류와 개인정보 보호 목표(예: 탈식별, k-익명성, 차별적 프라이버시)에 기반한 분류.
• 음성, 보행, 손 움직임, 시선, 심전도, EEG를 포함한 행동 생체정보 특성별로 익명화 기법을 분류하였다.
• 각 기법을 적용 맥락, 개인정보 보호 목표, 기술적 접근 및 실증적 평가 방법론에 따라 평가하였다.
• 평가에 사용된 데이터셋(예: VoxCeleb, BEHAVE, DEAP)을 분석하여 특성 간 데이터 가용성과 품질을 평가하였다.
• 더 강력한 평가 프레임워크의 필요성을 제안하며, 명시적인 공격자 모델과 익명화된 데이터로 재학습한 인식 시스템을 통한 내성 테스트를 포함한다.

실험 결과

연구 질문

• RQ1 다양한 행동 생체정보 특성에 대해 가장 효과적인 익명화 기법은 무엇이며, 개인정보 보호성과 유효성 측면에서 어떻게 비교할 수 있는가?
• RQ2 시선과 EEG처럼 개인정보 민감도가 높은 행동 생체정보 특성들이 왜 여전히 연구가 미흡한가?
• RQ3 현재 익명화 기법 평가 방법론은 현실적인 공격자를 모델링하지 못해 어떤 점에서 부족한가?
• RQ4 행동 데이터의 시간적 의존성은 표준 익명화 접근법의 효과성을 어느 정도 약화시키는가?
• RQ5 행동 생체정보 익명화 연구 전반에서 공식적인 개인정보 정의와 평가 표준의 핵심 격차는 무엇인가?

주요 결과

• 음성은 상당한 연구 관심을 받았지만, 시선과 뇌 활동(Eeg)은 익명화 연구 측면에서 거의 간과되어 왔다.
• 대부분의 익명화 기법은 약한 공격자 가정 하에 평가되며, 익명화 방법과 그 파rameter를 알고 있는 공격자를 반영하지 못한다.
• 평가 방법론은 일반적으로 익명화된 데이터와 원본 데이터 간의 정확도 차이를 보고할 뿐, 익명화된 데이터로 모델을 재학습하지 않아 개인정보 평가가 지나치게 낙관적으로 이뤄진다.
• 공식적인 개인정보 정의와 표준화된 평가 프레임워크의 부족으로, 대부분의 연구가 실증적 개인정보 추정에 의존하고 있다.
• 시간적 시리즈 의존성으로 특징지어지는 행동 데이터의 성격은 익명화 설계 및 평가 모두에서 대부분 간과되고 있다.
• 시선 및 EEG 연구에서 15~30명 정도의 제한된 공개 데이터셋 가용성으로 인해 기법 개발과 비교가 어렵다.