[论文解读] A Privacy-preserving Mobile and Fog Computing Framework to Trace and Prevent COVID-19 Community Transmission

Whaiduzzaman, Md. Razon Hossain+5 more|arXiv (Cornell University)|Jun 23, 2020

COVID-19 Digital Contact Tracing参考文献 26被引用 4

一句话总结

本文提出 PPMF，一种用于追踪和预防社区传播的隐私保护移动与边缘计算框架。该框架通过蓝牙低功耗技术使用加密的临时标识符，结合去中心化的边缘节点（ARC 和 SUDUN），并由用户控制数据处理，实现实时风险检测与接触追踪，而无需暴露用户身份或位置信息，实现全面的隐私合规性，并支持自愿参与及14天内数据删除。

ABSTRACT

To slow down the spread of COVID-19, governments around the world are trying to identify infected people and to contain the virus by enforcing isolation and quarantine. However, it is difficult to trace people who came into contact with an infected person, which causes widespread community transmission and mass infection. To address this problem, we develop an e-government Privacy Preserving Mobile and Fog computing framework entitled PPMF that can trace infected and suspected cases nationwide. We use personal mobile devices with contact tracing app and two types of stationary fog nodes, named Automatic Risk Checkers (ARC) and Suspected User Data Uploader Node (SUDUN), to trace community transmission alongside maintaining user data privacy. Each user's mobile device receives a Unique Encrypted Reference Code (UERC) when registering on the central application. The mobile device and the central application both generate Rotational Unique Encrypted Reference Code (RUERC), which broadcasted using the Bluetooth Low Energy (BLE) technology. The ARCs are placed at the entry points of buildings, which can immediately detect if there are positive or suspected cases nearby. If any confirmed case is found, the ARCs broadcast pre-cautionary messages to nearby people without revealing the identity of the infected person. The SUDUNs are placed at the health centers that report test results to the central cloud application. The reported data is later used to map between infected and suspected cases. Therefore, using our proposed PPMF framework, governments can let organizations continue their economic activities without complete lockdown.

研究动机与目标

• 解决现有接触追踪应用程序中因收集过多个人数据且缺乏透明度而导致的隐私侵犯问题。
• 设计一种集成的移动与边缘计算框架，实现在公共场所实时检测感染者的同时保护用户匿名性。
• 确保用户对数据的控制权，包括自愿参与、最小化数据收集以及在14天内删除数据的能力。
• 开发一种可扩展的、适合电子政务的系统，通过有针对性隔离而非大规模封锁，支持经济持续运行。
• 提供一种透明、开源且符合规范的框架，防止敏感健康与位置数据被滥用。

提出的方法

• 用户以最少数据（手机号码、邮政编码、年龄组）注册，并接收一个存储在本地的唯一加密参考码（UERC）。
• 移动设备通过蓝牙低功耗（BLE）广播旋转的唯一加密参考码（RUERC），以实现匿名的近距离检测。
• 自动风险检查器（ARC）被部署在建筑物出入口，用于检测附近已确诊或疑似病例，并发出匿名警报，而不透露身份。
• 疑似或感染者用户通过健康中心的疑似用户数据上传节点（SUDUN）上传接触日志至中央云应用。
• 中央应用利用邮政编码和年龄组映射感染聚集区域，实现超级传播者检测与可视化，同时不存储原始位置数据。
• 系统通过自愿使用、最小化数据收集、14天内请求删除数据以及开源透明性来保障隐私。

实验结果

研究问题

• RQ1 现有移动接触追踪应用程序中的关键隐私与技术问题是什么？
• RQ2 如何整合移动计算与边缘计算，以实现在公共场所实时、隐私保护的接触追踪？
• RQ3 如何设计一种可扩展的电子政务框架，以确保用户同意、数据最小化和透明度，同时实现有效的疫情遏制？
• RQ4 与仅依赖云或仅依赖移动设备的解决方案相比，边缘节点（ARC 和 SUDUN）在增强隐私保护和系统响应速度方面发挥什么作用？
• RQ5 如何以确保符合隐私法规和用户信任的方式收集、处理和删除数据？

主要发现

• PPMF 框架通过消除个人位置数据的收集，并使用临时、旋转的加密标识符，实现了全面的用户数据隐私保护。
• 用户可在14天内从系统中删除其数据，这相比 COVIDSafe 等系统（需等到疫情结束才可删除）是一个显著改进。
• ARC 边缘节点可在公共场所建筑中立即发出匿名风险警报，而不会暴露感染者身份。
• SUDUN 基础设施使健康中心能够安全上传检测结果和接触日志，实现基于邮政编码和年龄组的聚集区域映射。
• 该框架完全符合隐私原则：自愿参与、最小化数据收集、限制数据使用、透明度以及用户控制权。
• 与现有解决方案相比，PPMF 独特地支持所有关键隐私保护功能——自愿使用、数据最小化、数据销毁、透明度以及基于边缘的实时风险检测——且未牺牲功能性。