[论文解读] Epione: Lightweight Contact Tracing with Strong Privacy

Ni Trieu, Kareem Shehata+3 more|arXiv (Cornell University)|Apr 28, 2020

Privacy-Preserving Technologies in Data参考文献 36被引用 84

一句话总结

Epione 提供一种隐私保护的去中心化接触追踪系统，使用一种新的 PSI-CA 原语来在用户令牌和确诊令牌之间私下计算交集大小，从而在不暴露令牌或感染状态的情况下发出暴露警报。

ABSTRACT

Contact tracing is an essential tool in containing infectious diseases such as COVID-19. Many countries and research groups have launched or announced mobile apps to facilitate contact tracing by recording contacts between users with some privacy considerations. Most of the focus has been on using random tokens, which are exchanged during encounters and stored locally on users' phones. Prior systems allow users to search over released tokens in order to learn if they have recently been in the proximity of a user that has since been diagnosed with the disease. However, prior approaches do not provide end-to-end privacy in the collection and querying of tokens. In particular, these approaches are vulnerable to either linkage attacks by users using token metadata, linkage attacks by the server, or false reporting by users. In this work, we introduce Epione, a lightweight system for contact tracing with strong privacy protections. Epione alerts users directly if any of their contacts have been diagnosed with the disease, while protecting the privacy of users' contacts from both central services and other users, and provides protection against false reporting. As a key building block, we present a new cryptographic tool for secure two-party private set intersection cardinality (PSI-CA), which allows two parties, each holding a set of items, to learn the intersection size of two private sets without revealing intersection items. We specifically tailor it to the case of large-scale contact tracing where clients have small input sets and the server's database of tokens is much larger.

研究动机与目标

• 在大规模接触追踪中唤起对隐私问题的关注，以及端到端隐私保护的需求。
• 提出一种去中心化的追踪模型，使卫生当局知道确诊个体，但不能推断用户的联系对象。
• 引入一个新的私有集合交集基数原语，专为大服务器数据集和小客户端数据集量身定制。
• 在保持实际性能的同时，确保对虚假声称和关联攻击的防护。

提出的方法

• 引入 Epione，一种去中心化的接触追踪系统，服务器持有确诊个体的令牌。
• 开发 PSI-CA，一种半诚实模型下的私有集合交集基数协议，针对小客户端集合和大服务器数据库进行优化。
• 使用安全的两方计算方法，在不泄露实际令牌的情况下确定用户接收的令牌与服务器发送的令牌之间的交集大小。
• 在设备本地存储和交换联系令牌，服务器仅获知公共令牌的数量，而不是令牌本身。
• 模型假设包括非串通的服务器，以及由医疗服务提供者保护确诊用户身份。
• 提供效率和安全性分析，以证明在实际应用中的可行性以及对关联攻击和虚假报告攻击的抵御能力。

实验结果

研究问题

• RQ1 在不暴露用户令牌或感染状态的前提下，如何在强隐私保障下执行接触追踪？
• RQ2 轻量级的 PSI-CA 原语是否能实现小型客户端令牌集合与大型服务器令牌数据库之间可扩展的私有匹配？
• RQ3 在去中心化追踪设置中，针对关联攻击和虚假正报的隐私保护措施有哪些？
• RQ4 在典型的客户端小/服务器大设置下，PSI-CA 的通信复杂性是多少？
• RQ5 在隐私性和可行性方面，Epione 与现有的集中式或去中心化追踪方法相比如何？

主要发现

• Epione 在不让服务器和其他用户获取用户令牌与确诊状态的前提下实现暴露警报。
• 引入 PSI-CA，通信复杂度为 O(n log N)，其中 n 是小型客户端集合的规模，N 是大型服务器数据库的规模。
• 在所提出的模型内证明对关联攻击和虚假阳性报告的保护。
• 由于数据泄露减少和高效的安全计算，主张在大规模部署中具有可行性。
• 提供了针对接触追踪场景定制的私有集合交集基数的理论框架与实现。