[论文解读] Formal Analysis of UMTS Privacy

Myrto Arapinis, Loretta Ilaria Mancini+2 more|arXiv (Cornell University)|Sep 9, 2011

Advanced Authentication Protocols Security参考文献 7被引用 6

一句话总结

本文使用应用pi演算和ProVerif对UMTS隐私性进行了形式化分析，揭示了一种关联性攻击：攻击者可通过重放认证请求时错误消息的差异，追踪UMTS用户。作者提出一种基于公钥的修复方案，可在保持协议功能的同时防止此类追踪，并通过自动化验证工具形式化验证了其有效性。

ABSTRACT

The ubiquitous presence of mobile communication devices and the continuous development of mo- bile data applications, which results in high level of mobile devices' activity and exchanged data, often transparent to the user, makes privacy preservation an important feature of mobile telephony systems. We present a formal analysis of the UMTS Authentication and Key Agreement protocol, using the applied pi-calculus and the ProVerif tool. We formally verify the model with respect to privacy properties. We show a linkability attack which makes it possible, for individuals with low-cost equipment, to trace UMTS subscribers. The attack exploits information leaked by poorly designed error messages.

研究动机与目标

• 使用形式化方法对UMTS认证与密钥协议（AKA）的隐私属性进行形式化分析。
• 识别并验证UMTS中一种此前未知的关联性攻击，该攻击利用认证过程中错误消息的细微差异。
• 提出并形式化验证一种轻量级协议修改，以在不改变现有UMTS架构核心的前提下防止该攻击。
• 展示自动化验证工具（如ProVerif）在检测真实世界协议中隐私泄露方面的有效性。

提出的方法

• 使用应用pi演算在ProVerif中建模UMTS AKA协议，通过明文传输密钥和参数来抽象对称加密。
• 使用ProVerif自动验证模型假设下的不可关联性和匿名性属性。
• 通过观察错误响应是否因重放请求与受害者TMSI匹配而不同，识别出该攻击。
• 提出一种修复方案：使用归属网络的公钥加密错误消息，以防止泄露区分性信息。
• 在错误消息加密中引入随机填充，以防止已知密文攻击并确保非确定性。
• 通过证明ProVerif在修改后的协议模型中不再检测到区分性攻击，验证修复方案的有效性。

实验结果

研究问题

• RQ1 形式化方法能否检测出仅从规范中难以察觉的UMTS AKA中的隐私漏洞？
• RQ2 UMTS AKA协议中错误消息的差异在多大程度上使被动攻击者能够实施关联性攻击？
• RQ3 是否可以设计一种最小化协议修改，在不改变UMTS核心安全架构的前提下防止关联性？
• RQ4 自动化验证工具（如ProVerif）能否有效用于验证真实世界移动协议中的不可关联性和匿名性？

主要发现

• 在原始UMTS AKA协议中，形式化验证发现了一种此前未知的关联性攻击：攻击者可通过重放认证请求后观察错误消息差异，区分特定用户交互。
• 该攻击可使用低成本设备实施，且无需破解底层密码学，而是依赖于通过错误消息泄露的侧信道信息。
• 所提出的修复方案——使用归属网络公钥加密错误消息——成功防止了该攻击，因为ProVerif在修改后的模型中不再检测到区分能力。
• 将XOR操作抽象为明文传输在不可关联性分析中被认为是合理的，因为这使攻击者获得更多信息，从而使分析更具保守性，从而增强了验证结果的可信度。
• 作者证明了ProVerif可有效用于验证复杂协议中的隐私属性（如不可关联性和匿名性），即使未完全建模机密性。
• 本研究强调，即使密码原_primitive是安全的，协议实现也必须考虑错误消息的一致性，以防止侧信道信息泄露。