[论文解读] Vulnerabilities in the use of similarity tables in combination with pseudonymisation to preserve data privacy in the UK Office for National Statistics' Privacy-Preserving Record Linkage

Chris Culnane, Benjamin I. P. Rubinstein+1 more|arXiv (Cornell University)|Dec 4, 2017

Data Quality and Management参考文献 1被引用 8

一句话总结

本文揭示了英国国家统计局（ONS）在隐私保护记录关联方法中的关键漏洞，该方法结合HMAC保护的姓名与相似度表。作者证明，该方法在严格受控的统计研究环境（SRE）之外不安全，因为攻击者可利用频率分析与结构攻击恢复明文姓名，从而破坏其宣称的密码学安全性，并在保护程度较低的环境中暴露隐私风险。

ABSTRACT

In the course of a survey of privacy-preserving record linkage, we reviewed the approach taken by the UK Office for National Statistics (ONS) as described in their series of reports "Beyond 2011". Our review identifies a number of matters of concern. Some of the issues discovered are sufficiently severe to present a risk to privacy.

研究动机与目标

• 评估ONS在其《2011年后》系列中描述的隐私保护记录关联方法的安全性。
• 识别HMAC与相似度表组合在保护个人可识别信息时存在的密码学与协议级缺陷。
• 证明该方法即使在无原始数据访问权限的情况下，仅通过公开信息与结构分析，也易受实际重新识别攻击。
• 纠正该情境下关于HMAC与哈希函数安全性的误解，特别是关于熵假设与术语使用的错误。
• 建议相似度表技术不应在安全SRE之外使用，因其固有的隐私风险。

提出的方法

• 作者对ONS方法进行了正式的安全分析，重点考察密码学假设与协议组合。
• 识别出关于HMAC密钥熵与哈希函数单向性属性的错误假设，特别是在姓名等低熵输入场景下。
• 建立了基于频率的攻击模型，利用相似度表暴露HMAC化姓名的频率，从而推断常见姓名。
• 应用子图匹配技术，通过分析相似度表图中的连接模式，重建明文姓名。
• 仅使用ONS公开发布的文档，未访问实际数据或SRE环境，评估该方法的理论与实际安全性。
• 研究者评估了结合频率分析与相似度图中结构匹配来恢复姓名的可行性，重点关注高阶节点与连通分量。

实验结果

研究问题

• RQ1 能否仅通过公开信息与结构分析，从HMAC保护的姓名与相似度表中恢复明文姓名？
• RQ2 错误的密码学假设——特别是关于熵与单向性属性——在多大程度上破坏了ONS方法的安全性？
• RQ3 HMAC与相似度表的组合如何削弱整体隐私保障，即使各组件本身看似安全？
• RQ4 在保护程度较低的环境中，相似度表与去标识化结合使用对重新识别有何影响？
• RQ5 为何ONS声称该方法可抵御所有当前可行攻击的说法不成立？哪些具体攻击可证明这一点？

主要发现

• ONS假设HMAC密钥仅需最低熵是错误的；由于姓名等低熵输入，该方法易受暴力破解攻击。
• 使用相似度表会暴露HMAC化姓名的频率，从而允许基于频率的重新识别攻击，可高置信度恢复常见姓名。
• 明文相似度分数充当HMAC化姓名的索引，使攻击者可通过相似度图的结构分析，将分数映射回原始姓名。
• 该方法在严格受控的SRE之外不安全，因密码学假设与协议组合无法防止实际的重新识别攻击。
• 错误术语使用、错误的熵假设以及相似度表的引入，使该方法不适合在SRE之外部署。
• ONS声称该方法可抵御所有当前可行攻击的说法不成立，已有及新发现的攻击已证明其系统设计缺陷。