[論文レビュー] Building Confidential and Efficient Query Services in the Cloud with RASP Data Perturbation

Huiqi Xu, Shumin Guo+1 more|arXiv (Cornell University)|Dec 4, 2012

Cryptography and Data Security参考文献 29被引用数 5

ひとこと要約

本稿では、順序保持暗号化、次元拡張、ランダムノイズ注入、ランダムプロジェクションを組み合わせた新規なデータ摂動技術、RASP（Random Space Perturbation）を提案する。この手法により、クラウド上で安全かつ効率的な範囲クエリおよびkNNクエリを実現できる。インデックスを用いたクエリ高速化を可能にする一方で、多次元範囲のトポロジーを保持し、形式的な脅威モデル下で強い機密性とクエリプライバシーを提供する。内部計算コストは低く抑えられ、クエリの性能は部分線形である。

ABSTRACT

With the wide deployment of public cloud computing infrastructures, using clouds to host data query services has become an appealing solution for the advantages on scalability and cost-saving. However, some data might be sensitive that the data owner does not want to move to the cloud unless the data confidentiality and query privacy are guaranteed. On the other hand, a secured query service should still provide efficient query processing and significantly reduce the in-house workload to fully realize the benefits of cloud computing. We propose the RASP data perturbation method to provide secure and efficient range query and kNN query services for protected data in the cloud. The RASP data perturbation method combines order preserving encryption, dimensionality expansion, random noise injection, and random projection, to provide strong resilience to attacks on the perturbed data and queries. It also preserves multidimensional ranges, which allows existing indexing techniques to be applied to speedup range query processing. The kNN-R algorithm is designed to work with the RASP range query algorithm to process the kNN queries. We have carefully analyzed the attacks on data and queries under a precisely defined threat model and realistic security assumptions. Extensive experiments have been conducted to show the advantages of this approach on efficiency and security.

研究の動機と目的

• データ機密性とクエリプライバシーを保持しつつ、クラウド上で安全で効率的かつスケーラブルなクエリサービスを提供する課題に対処すること。
• 既存手法が効率性、セキュリティ、または内部負荷のバランスを犠牲にしているという制限を克服すること。
• 摂動されたデータ上で高速かつインデックスを用いた範囲クエリおよびkNNクエリ処理を可能にする手法を開発すること。
• 暗号化されたデータおよびクエリパターンに対する既知の攻撃に対して強い耐性を確保すること。
• クライアント側の計算を最小限に抑え、クラウドのスケーラビリティとコストメリットを最大限に活用すること。

提案手法

• RASPは、順序保持暗号化（OPE）、次元拡張、ランダムノイズ注入、ランダムプロジェクションを組み合わせ、多次元データをトポロジカル構造を保持する形で摂動する。
• 摂動により、元のクエリ範囲が摂動空間内での多面体領域に変換され、効率的なインデックス化とクエリ処理が可能になる。
• RASP摂動済みデータを用いた範囲クエリサービスを構築し、クエリはバケットベースのインデックスと集合ベースの範囲条件を用いて変換・処理される。
• kNN-Rアルゴリズムは、RASP範囲クエリサービスを活用し、摂動空間内で探索領域を反復的に精緻化することでkNNクエリに応答する。
• データおよびクエリプライバシーに対する攻撃を分析するための脅威モデルを定義する。攻撃には周波数攻撃、統計的攻撃、距離標的攻撃が含まれる。
• 大部分の計算をクラウドにオフロードすることで、内部処理コストを低く抑え、最小限のクライアント側フィルタリングで実現する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、多次元範囲のトポロジカル構造を保持するデータ摂動手法を設計し、クラウド上での効率的なインデックス化とクエリ処理を可能にするか？
• RQ2 暗号化および変換技術のどの組み合わせが、低い内部計算負荷を伴いながらも強い機密性とクエリプライバシーを提供するか？
• RQ3 効率性や正確性を損なわずに、摂動されたデータ上で安全にkNNクエリをサポートする方法は何か？
• RQ4 RASP保護下のデータおよびクエリに対して現実的な攻撃ベクトルは何か？また、その攻撃に対してこの方式はどれほど耐性を持つのか？
• RQ5 実世界のワークロード下で、既存手法と比較してRASPはクエリ効率性およびスケーラビリティをどの程度維持できるか？

主な発見

• RASPは多次元範囲のトポロジーを保持することで、摂動空間内での効率的なインデックス利用を可能にし、範囲クエリ処理において部分線形時間計算量を達成する。
• RASP範囲クエリサービスと統合することで、kNNクエリ処理が効率的に行えるようになり、クライアント側の計算が最小限に抑えられる。
• 合成データおよび実データセットを用いた広範な実験により、RASPは高いクエリ精度を維持しながら、著しく低い内部処理コストを実現することが示された。
• 定義された脅威モデル下でのセキュリティ分析により、周波数攻撃、統計的攻撃、距離標的攻撃といった一般的な攻撃に対して強い耐性があることが示された。
• OPE、暗号インデックス、Casperといった既存手法と比較して、RASPはCPEL基準（機密性、プライバシー、効率性、低い内部コスト）のバランスに優れている。
• 大部分の処理をクラウドにオフロードすることで、データおよびクエリプライバシーを確保しつつ、実用的なクラウドベースのクエリサービスを実現できる。