АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ
ТехнологииИнфраструктура и безопасностьДоступ, приватность и защита данныхАнонимизация MAC-адресов

Анонимизация MAC-адресов

Экспертиза РАН

Logo-ran-black.png
Проведена экспертиза
Российской академией наук
Подробнее
Aprove.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проведена экспертиза
Российской академией наук
Подробнее

Анонимизация MAC-адресов — это применение односторонней функции к MAC-адресу с целью создания результата, который может использоваться в системах отслеживания для составления отчётов и опубликования данных, при этом сделать восстановление исходного MAC-адреса из полученного значения практически невозможным. Такая процедура позволяет компаниям, таким как Google[1] и CrowdVision[2] отслеживать перемещения пользователей по аппаратному обеспечению их устройств, одновременно защищая идентичность самих отслеживаемых людей.

Ошибочные подходы

Простое хеширование

Пример анонимизации MAC-адреса — использование простого алгоритма хеширования. Для адреса 11:22:33:44:55:66 алгоритм MD5 выдаёт eb341820cd3a3485461a61b1e97d31b1 (32 шестнадцатеричных символа)[3]. Адрес, отличающийся на один символ (11:22:33:44:55:67), даёт 391907146439938c9821856fa181052e[4], что полностью отличается из-за эффекта лавины.

Проблема заключается в том, что существует всего 248 (281 474 976 710 656) возможных MAC-адресов. Зная используемый алгоритм, можно легко создать индекс для каждого возможного адреса. С помощью сжатия в радужные таблицы этот индекс становится достаточно компактным для переноса. Построение индекса — это обеспеченно параллельная задача, которую можно значительно ускорить, например, арендовав множество облачных вычислительных ресурсов на короткое время.

Например, если один процессор способен обрабатывать 1 000 000 MAC-адресов в секунду, генерация полной таблицы займёт 8,9 процессорных лет. Используя 1 000 процессоров, это займёт около 78 часов. Применяя радужную таблицу с «глубиной» в 1 000 000 хешей на запись, итоговая таблица содержит лишь несколько сотен миллионов записей (несколько гигабайт) и позволяет за 0,5 секунды (в среднем, не считая времени ввода-вывода) восстановить физический MAC-адрес из хеша.

В 2018 году учёные установили, что, используя современное оборудование с производительностью 6 миллиардов MD5-хешей и 844 миллионов SHA-256-хешей в секунду, возможно восстановить 100 % из миллиона хешей за:[5]

  • 4 минуты 1 секунду для хеша MD5;
  • 13 минут 22 секунды для SHA-256.

Усечение

Другой рассмотренный подход — усечение MAC-адреса путём удаления организационного уникального идентификатора (первые 24 бита из 48-битного MAC-адреса)[6]. Однако на практике только 0,1 % всего пространства уникальных идентификаторов организаций распределено, и не все производители используют выделенное пространство MAC-адресов полностью; этот метод не даёт значимого эффекта для защиты приватности[7]. Более того, часто производители выделяют непрерывные диапазоны адресов определённым устройствам, что позволяет точно сопоставлять устройства — и определять тип устройства даже по небольшой части MAC-адреса[8].

Подход Али и Дио

Из-за недостатков существующих методов были предложены более надёжные способы анонимизации[9]. В частности, Жунаде Али и Владимир Дио разработали схему, основанную на следующем:[10]

  1. Использование вычислительно затратных хеш-функций наподобие Bcrypt для противодействия атакам с применением фоновых знаний;
  2. Усечение результата хеширования до обеспечения K-анонимности.

Степень усечения хеша определяет компромисс между приватностью и требуемой частотой коллизий (вероятностью того, что два анонимизированных MAC-адреса совпадут). Предыдущие исследования показали, что при использовании приближений парадокса дней рождений сложно точно контролировать размер подмножества анонимности[11]. Вместо этого Али и Дио используют общую частоту коллизий в выборке и показывают, что вероятность наличия коллизии p можно вычислить по формуле , где m — число MAC-адресов, n — число возможных хеш-значений. Таким образом, для хешей длиной 24 бита можно хранить до 168 617 MAC-адресов с частотой коллизий менее 1 %.

Примечания

  1. ↑ Google Maps Has Been Tracking Your Every Move, And There's A Website To Prove It (англ.). Junkee (15 августа 2014). Дата обращения: 2 июня 2024. Архивировано 18 августа 2014 года.
  2. ↑ iInside retail brochure: Leading the market in indoor location technologies (англ.). Slideshare (10 марта 2014). Дата обращения: 3 июля 2025. Архивировано 20 декабря 2016 года.
  3. ↑ echo -n «112233445566»|md5sum = eb341820cd3a3485461a61b1e97d31b1
  4. ↑ echo -n «112233445567»|md5sum = 391907146439938c9821856fa181052e
  5. ↑ Marx, Matthias. Hashing of personally identifiable information is not sufficient : [англ.] / Matthias Marx, Ephraim Zimmer, Tobias Mueller … [et al.]. — Gesellschaft für Informatik e.V., 2018. — ISBN 978-3-88579-675-6.
  6. ↑ Fuxjaeger, P.; Ruehrup, S.; Paulin, T.; Rainer, B. (осень 2016). “Towards Privacy-Preserving Wi-Fi Monitoring for Road Traffic Analysis”. IEEE Intelligent Transportation Systems Magazine [англ.]. 8 (3): 63—74. DOI:10.1109/MITS.2016.2573341. ISSN 1941-1197. S2CID 2646906. Дата обращения 2024-06-02. Проверьте дату в |date= (справка на английском); |access-date= требует |url= (справка)
  7. ↑ Demir, Levent. Analysing the privacy policies of Wi-Fi trackers // Proceedings of the 2014 workshop on physical analytics : [англ.] / Levent Demir, Mathieu Cunche, Cédric Lauradoux. — Association for Computing Machinery, 11 июня 2014. — P. 39–44. — ISBN 978-1-4503-2825-8. — doi:10.1145/2611264.2611266.
  8. ↑ Martin, Jeremy. Decomposition of MAC address structure for granular device inference // Proceedings of the 32nd Annual Conference on Computer Security Applications : [англ.] / Jeremy Martin, Erik Rye, Robert Beverly. — Лос-Анджелес, США : Association for Computing Machinery, 5 декабря 2016. — P. 78–88. — ISBN 978-1-4503-4771-6. — doi:10.1145/2991079.2991098.
  9. ↑ Feng, X. Artificial Intelligence Cyber Security Strategy // 2020 IEEE Intl Conf on Dependable, Autonomic and Secure Computing, Intl Conf on Pervasive Intelligence and Computing, Intl Conf on Cloud and Big Data Computing, Intl Conf on Cyber Science and Technology Congress (DASC/PiCom/CBDCom/CyberSciTech) : [англ.] / X. Feng, Y. Feng, E. S. Dawam. — август 2020. — P. 328–333. — ISBN 978-1-7281-6609-4. — doi:10.1109/DASC-PICom-CBDCom-CyberSciTech49142.2020.00064.
  10. ↑ Ali, Junade. Practical Hash-based Anonymity for MAC Addresses : [англ.] / Junade Ali, Vladimir Dyo. — 25 декабря 2020. — P. 572–579. — ISBN 978-989-758-446-6. — doi:10.5220/0009825105720579.
  11. ↑ Demir, L.; Kumar, A.; Cunche, M.; Lauradoux, C. (2018). “The Pitfalls of Hashing for Privacy”. IEEE Communications Surveys and Tutorials [англ.]. 20 (1): 551—565. DOI:10.1109/COMST.2017.2747598. ISSN 1553-877X. S2CID 3571244. Дата обращения 2024-06-02. |access-date= требует |url= (справка)

Категории