[논문 리뷰] Zooming Into Video Conferencing Privacy and Security Threats

Dima Kagan, Galit Fuhrmann Alpert외 1명|arXiv (Cornell University)|2020. 07. 02.

Spam and Phishing Detection참고 문헌 20인용 수 16

한 줄 요약

이 연구는 공개적으로 공유된 15,700개 이상의 화상 회의 콜라주 이미지를 분석하여 이미지 처리 및 사회망 분석 기법을 활용해 사용자 이름, 나이, 성별, 얼굴 특징 등의 개인 정보를 추출한다. 이를 통해 여러 미팅 간에 데이터를 교차 확인함으로써 악성 행위자가 사용자 신원과 사회망을 재구성할 수 있음을 입증하며, 어린이 및 취약 사용자를 포함한 참가자들에게 실제 세계의 개인정보 및 보안 위협을 초래한다.

ABSTRACT

The COVID-19 pandemic outbreak, with its related social distancing and shelter-in-place measures, has dramatically affected ways in which people communicate with each other, forcing people to find new ways to collaborate, study, celebrate special occasions, and meet with family and friends. One of the most popular solutions that have emerged is the use of video conferencing applications to replace face-to-face meetings with virtual meetings. This resulted in unprecedented growth in the number of video conferencing users. In this study, we explored privacy issues that may be at risk by attending virtual meetings. We extracted private information from collage images of meeting participants that are publicly posted on the Web. We used image processing, text recognition tools, as well as social network analysis to explore our web crawling curated dataset of over 15,700 collage images, and over 142,000 face images of meeting participants. We demonstrate that video conference users are facing prevalent security and privacy threats. Our results indicate that it is relatively easy to collect thousands of publicly available images of video conference meetings and extract personal information about the participants, including their face images, age, gender, usernames, and sometimes even full names. This type of extracted data can vastly and easily jeopardize people's security and privacy both in the online and real-world, affecting not only adults but also more vulnerable segments of society, such as young children and older adults. Finally, we show that cross-referencing facial image data with social network data may put participants at additional privacy risks they may not be aware of and that it is possible to identify users that appear in several video conference meetings, thus providing a potential to maliciously aggregate different sources of information about a target individual.

연구 동기 및 목표

• 공개적으로 공유된 화상 회의 콜라주 이미지를 통해 개인 정보가 얼마나 노출되는지 분석하는 것.
• 얼굴 특징과 메타데이터를 활용해 여러 화상 회의 세션 간에 개인을 재식별할 수 있는지 가능성 평가하는 것.
• 화상 회의 데이터를 사회망 정보와 연계해 사용자 개인정보를 침해할 수 있는 위험 평가하는 것.
• 사용자, 조직, 플랫폼 개발자들이 채택할 수 있는 실질적인 개인정보 보호 실천 방법 도출하는 것.
• 가상 미팅에서 어린이와 노인과 같은 취약 사용자가 개인정보 위협에 얼마나 취약한지 부각하는 것.

제안 방법

• 공개된 화상 회의에서 15,700개의 콜라주 이미지와 142,000개의 얼굴 이미지를 웹 크롤링 및 정제하는 것.
• 딥러닝 기반 이미지 처리 및 텍스트 인식 기법을 적용해 이미지에서 성별, 나이, 사용자명, 전체 이름을 추출하는 것.
• 사회망 분석을 활용해 여러 미팅에 등장하는 사용자를 식별하고 사회적 연결 관계를 유추하는 것.
• 외부 데이터셋과 얼굴 이미지를 교차 확인하여 재식별 가능성을 평가하는 것.
• 가상 배경, 얼굴 마스크, 얼굴 인식 방지 액세서리와 같은 개인정보 보호 기법의 평가.
• 이모지 사용과 같은 사용자 행동 분석을 통해 개인정보 보호 방법으로서의 잠재력 탐색하는 것.

실험 결과

연구 질문

• RQ1 공개적으로 공유된 화상 회의 콜라주 이미지에서 이름, 나이, 성별과 같은 개인 정보를 얼마나 정확히 추출할 수 있는가?
• RQ2 얼굴 인식과 메타데이터 연계가 여러 화상 회의 세션 간 동일 개인을 식별하는 데 얼마나 효과적인가?
• RQ3 화상 회의 데이터를 사회망 정보와 결합할 경우 사용자를 재식별할 위험은 무엇인가?
• RQ4 실제 배경이나 개인 사용자명 사용과 같은 사용자 행동이 개인정보 유출을 얼마나 악화시키는가?
• RQ5 사용자와 조직이 화상 회의에서 개인정보 위험을 줄이기 위해 실천할 수 있는 실질적인 대응 조치는 무엇인가?

주요 결과

• 15,700개 이상의 콜라주 이미지와 142,000개의 얼굴 이미지를 확보하여 실제 이름, 사용자명, 인구 통계적 특성 등 개인 정보가 광범위하게 유출된 것을 확인했다.
• 이 연구는 얼굴 인식 기반으로 여러 미팅 세션 간에 개인을 재식별할 수 있음을 입증하며, 사회망 지도를 구축할 수 있음을 보여주었다.
• 얼굴 데이터를 외부 소셜 미디어 프로필과 연계하면 신원 재구성 및 개인정보 유출 위험이 크게 증가한다.
• 어린이와 노인을 포함한 다수의 참가자가 실제 이름과 개인 배경을 사용하고 있어 추적 및 괴롭힘 위험에 노출되어 있음을 발견했다.
• 일반 사용자명 사용, 가상 배경, 얼굴 마스크와 같은 단순한 조치가 자동 식별 위험을 크게 감소시킴을 입증했다.
• 이모지로 얼굴을 장식하는 것이 얼굴 인식 시스템을 방해하고 개인정보를 보호하는 데 실용적이고 저비용인 방법으로 관찰되었다.