Skip to main content
QUICK REVIEW

[論文レビュー] A Novel Watermarking Scheme for Detecting and Recovering Distortions in Database Tables

Hamed khataeimaragheh, Hassan Rashidi|arXiv (Cornell University)|Sep 4, 2010
Internet Traffic Analysis and Secure E-voting被引用数 7
ひとこと要約

この論文では、悪意あるデータ改ざんを検出・局所化・回復できる、リレーショナルデータベース向けの新規フェイクウォーターマーク方式を提案する。タプルをグループ化し、各グループごとに独立してウォーターマークを埋め込むことで、実験的評価において高い成功率で歪みの正確な検出と、損傷したデータの完全な回復を実現する。

ABSTRACT

In this paper a novel fragile watermarking scheme is proposed to detect, localize and recover malicious modifications in relational databases. In the proposed scheme, all tuples in the database are first securely divided into groups. Then watermarks are embedded and verified group-by-group independently. By using the embedded watermark, we are able to detect and localize the modification made to the database and even we recover the true data from the database modified locations. Our experimental results show that this scheme is so qualified; i.e. distortion detection and true data recovery both are performed successfully.

研究の動機と目的

  • リレーショナルデータベースが悪意ある改ざんを受けた際の整合性保護の増大するニーズに対応すること。
  • データベーステーブル内のデータ歪みの正確な検出と局所化を可能にすること。
  • 損傷したデータベース領域から元の改ざんなしのデータを回復できること。
  • データベース関係全体にわたり、ウォーターマークの埋め込みと検証における堅牢性と効率性を確保すること。

提案手法

  • ウォーターマーク埋め込みの前に、データベース内のタプルを安全に論理的グループに分割する。
  • 安全で決定論的なアルゴリズムを用いて、各グループごとにウォーターマークを独立して埋め込む。
  • 埋め込まれたウォーターマークを用いて各グループの整合性を検証するメカニズムを設ける。
  • ウォーターマークの信頼性を確保するために、暗号的ハッシュ関数と誤検出コードを活用する。
  • 現在のデータから再計算したウォーターマークと比較することで、改ざんされたデータを局所化する。
  • ウォーターマーク再構築論理を用いて、元のタプル値を再構築することで真のデータを回復する。

実験結果

リサーチクエスチョン

  • RQ1フェイクウォーターマークをリレーショナルデータベーステーブルに効果的に適用し、悪意あるデータ改ざんを検出するにはどうすればよいか?
  • RQ2埋め込まれたウォーターマークを用いて、データベース内での改ざんタプルを最適に局所化する方法は何か?
  • RQ3ウォーターマークに基づく再構築により、損傷したデータベース領域から元のデータを正確に回復できるか?
  • RQ4提案された方式は、ウォーターマークの埋め込みと検証の過程で、セキュリティと改ざんに対する耐性をどのように確保するか?

主な発見

  • 提案されたウォーターマーク方式は、リレーショナルデータベースにおける悪意あるデータ改ざんを高い正確性で検出および局所化できた。
  • 埋め込まれたウォーターマーク情報を利用することで、改ざんされたデータベースタプルから元のデータを完全に回復できた。
  • 実験結果から、歪み検出およびデータ回復の両方が信頼性高く効率的に実行されることを確認した。
  • グループ単位でのウォーターマーク埋め込みアプローチにより、大規模データベースにおけるスケーラビリティが確保され、計算オーバーヘッドが低減された。

より良い研究を、今すぐ始めましょう

論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。