[论文解读] A note on blind contact tracing at scale with applications to the COVID-19 pandemic

Jack K. Fitzsimons, Atul Mantri+3 more|arXiv (Cornell University)|Apr 10, 2020

Privacy-Preserving Technologies in Data参考文献 11被引用 4

一句话总结

本文提出了一种密码学安全且可扩展的框架，通过安全两方计算（2PC）实现盲式接触者追踪，基于位置数据识别个体之间的密切接触，而无需暴露私密的位置历史记录。通过改编Ishai等人提出的相等性测试协议，并应用基于镶嵌的邻近性检查，该方法可在现有云基础设施上实现私密、高效且保护隐私的国家级接触者追踪，已证明在爱尔兰、波兰和日本等国家具备可行性。

ABSTRACT

The current COVID-19 pandemic highlights the utility of contact tracing, when combined with case isolation and social distancing, as an important tool for mitigating the spread of a disease [1]. Contact tracing provides a mechanism of identifying individuals with a high likelihood of previous exposure to a contagious disease, allowing additional precautions to be put in place to prevent continued transmission. Here we consider a cryptographic approach to contact tracing based on secure two-party computation (2PC). We begin by considering the problem of comparing a set of location histories held by two parties to determine whether they have come within some threshold distance while at the same time maintaining the privacy of the location histories. We propose a solution to this problem using pre-shared keys, adapted from an equality testing protocol due to Ishai et al [2]. We discuss how this protocol can be used to maintain privacy within practical contact tracing scenarios, including both app-based approaches and approaches which leverage location history held by telecoms and internet service providers. We examine the efficiency of this approach and show that existing infrastructure is sufficient to support anonymised contact tracing at a national level.

研究动机与目标

• 为应对新冠疫情大规模接触者追踪中的隐私问题，通过安全比较位置数据而不泄露敏感信息，实现隐私保护。
• 开发一种可扩展的、密码学安全的解决方案，适用于包括GPS、蜂窝塔三角测量和蓝牙在内的多种数据源，且无需安装智能手机应用程序。
• 证明所提出的协议可利用现有云计算资源高效实现，支持国家级部署。
• 通过允许政府与电信/IT提供商在保护数据机密性的前提下私密比较位置数据库，促进合作。
• 提供一种实用的信息理论安全框架，用于邻近性测试，隐藏位置历史记录以及匹配的确切时间戳。

提出的方法

• 该协议将私密邻近性测试简化为一系列使用预共享密钥的安全相等性测试，改编自Ishai等人提出的完美安全2PC相等性协议。
• 采用地球表面的网格镶嵌技术对位置数据进行离散化，实现对阈值距离内邻近性的高效且私密比较。
• 将时间量化为20分钟间隔，以模糊确切的匹配时间戳，防止重新识别。
• 使用基于WGS84椭球模型的纬度和经度转换常数，将位置坐标缩放为公里单位，以实现精确的距离计算。
• 协议设计为在云容器中并行运行，利用虚拟私有云和防火墙隔离敏感数据。
• 实现由轻量级Python库和一个公开可申请的密钥生成服务支持。

实验结果

研究问题

• RQ1 能否使用安全两方计算在不暴露个人私密位置历史记录的情况下检测个体之间的密切接触？
• RQ2 是否可行利用现有云基础设施和密码学技术，在国家级规模上实现私密邻近性测试？
• RQ3 如何将多种地理定位源（GPS、蜂窝塔、蓝牙）安全地整合到统一的接触者追踪框架中？
• RQ4 当应用于不同规模的人口时，此类系统的通信和存储开销如何？
• RQ5 该协议能否不仅保护位置数据隐私，还能保护匹配时间戳和数据访问模式的隐私？

主要发现

• 该协议实现了信息理论安全，且通信复杂度最优，确保邻近性检查过程中无私密数据泄露。
• 对于人口约480万的爱尔兰，系统在两周追踪周期内约需610 TB密钥和850 TB通信开销。
• 对于人口约1.339亿的日本，所需密钥大小约为11,000 TB，通信开销为16,000 TB，均在现代云基础设施的可行范围内。
• 当在云实例上并行化时，系统保持可扩展性和高效性，Oracle Cloud和AWS等平台可提供高达100 Gb/s的通信速率。
• 该方法支持来自多种来源（如电信运营商和GPS日志）的历史数据，实现无需实时应用程序数据采集的接触者追踪。
• 轻量级Python库和密钥生成服务已公开提供，可供部署和社区使用，促进实际应用。