[论文解读] Privacy Risk and Preservation For COVID-19 Contact Tracing Apps

Dong Wang, Fang Liu|arXiv (Cornell University)|Jun 27, 2020

COVID-19 Digital Contact Tracing被引用 4

一句话总结

本文分析了在COVID-19疫情期间部署的基于GPS和蓝牙的接触追踪应用程序中的隐私风险及保护机制，比较了集中式与去中心化架构。文章评估了本地数据处理、匿名化及密码协议等隐私保护技术的有效性，结论指出：采用设备端计算的去中心化模型能显著降低遭受监控和数据滥用的风险。

ABSTRACT

Contact tracing in the COVID-19 pandemic is key to prevent the further spread of COVID-19. Countries and regions around the world have developed and deployed or are considering adopting contact-tracing software or mobile apps. While contact tracing apps and software play an important role in the pandemic, red flags have been raised regarding the privacy risk associated with contact tracing. In this short paper, we provide an overview on the GPS and Bluetooth based contact-tracing apps in the framework of both centralized and decentralized models, examine the associated privacy risk and the effectiveness of the privacy-preserving measures adopted in different apps.

研究动机与目标

• 评估在COVID-19疫情期间开发的国家级接触追踪应用程序所关联的隐私风险。
• 评估现有接触追踪应用程序中隐私保护机制的有效性。
• 比较集中式与去中心化接触追踪架构在安全性和隐私方面的权衡。
• 识别不同应用程序设计在数据收集、存储和传输方面的系统性漏洞。
• 为公共卫生技术部署中的隐私优先设计原则提供指导。

提出的方法

• 根据底层技术将接触追踪应用程序分类：基于GPS的与基于蓝牙的。
• 根据数据存储与处理位置，将系统划分为集中式与去中心化模型。
• 分析密码技术（如临时标识符和本地密钥管理）在保护用户匿名性方面的作用。
• 评估数据最小化和设备端处理对减少隐私泄露攻击面的影响。
• 通过公开文档和开源可用性评估系统的透明度与可审计性。
• 使用数据保留政策、访问控制和第三方数据共享等标准，比较实际部署方案。

实验结果

研究问题

• RQ1 集中式与去中心化接触追踪架构的主要隐私风险是什么？
• RQ2 设备端处理与匿名化技术在防止用户识别方面的有效性如何？
• RQ3 现有接触追踪应用程序在多大程度上实现了端到端的隐私保护机制？
• RQ4 数据保留与访问政策对长期用户隐私有何影响？
• RQ5 技术设计选择如何影响公共卫生有效性与个人隐私之间的平衡？

主要发现

• 将暴露记录日志本地存储于用户设备上的去中心化模型，显著降低了大规模监控与数据泄露的风险。
• 采用旋转标识符进行蓝牙近距离检测的应用程序，相比基于GPS的方案，展现出更强的隐私保障。
• 集中式系统因集中式数据存储库的存在，更容易受到未经授权访问和政府过度干预的影响。
• 端到端加密与设备端数据处理的使用，显著降低了用户被重新识别的可能性。
• 部分应用程序缺乏透明度且未提供开源代码，引发了对隐藏数据收集与滥用的担忧。
• 即使具备隐私保护功能，部分应用程序仍会向第三方共享元数据，或在必要期限后仍保留数据，损害了用户信任。