[論文レビュー] Data protection by means of fragmentation in various different distributed storage systems - a survey

Katarzyna Kapusta, Gérard Memmi|arXiv (Cornell University)|Jun 16, 2017

Advanced Data Storage Technologies被引用数 4

ひとこと要約

本サーベイは、耐障害性とセキュリティの両方の目的でデータ断片化を用いる分散ストレージシステムについて包括的な分析を提案し、非構造化データ向けのビット単位（bitwise）と構造化・機密性のあるデータ向けの構造単位（structurewise）に分類する。信頼性の高い環境、ベアメタル環境、パブリッククラウド環境に、機密性に応じて断片を戦略的に配置することで、セキュリティ、パフォーマンス、コストの最適化を実現するスケーラブルで多層的なアーキテクチャを提示する。

ABSTRACT

This paper analyzes various distributed storage systems that use data fragmentation and dispersal as a way of protection.Existing solutions have been organized into two categories: bitwise and structurewise. Systems from the bitwise category are operating on unstructured data and in a uniform environment. Those having structured input data with predefined confidentiality level and disposing of a heterogeneous environment in terms of machine trustworthiness were classified as structurewise. Furthermore, we outline high-level requirements and desirable architecture traits of an eficient data fragmentation system, which will address performance (including latency), availability, resilience and scalability.

研究の動機と目的

• データ断片化を用いた既存の分散ストレージシステムを、単なるリダンドンシーを越えて、セキュリティの観点から分析すること。
• システムをビット単位（非構造化データ、均一な信頼モデル）と構造単位（構造化データ、異種の信頼モデル）に分類して同定・分類すること。
• パフォーマンス、可用性、耐障害性、スケーラビリティに焦点を当て、効率的なデータ断片化システムに求められる高レベルの要件を定義すること。
• 機密性に応じた多層的データ配置を通じて、セキュリティ、コスト効率、パフォーマンスを統合する将来のアーキテクチャを提案すること。
• 鍵管理、遅延、構造化システムにおける機密データの自動分類といった、未解決の課題に取り組むこと。

提案手法

• データタイプ（非構造化対構造化）と信頼モデル（均一対異種）に基づいて、既存のシステムをビット単位と構造単位に分類すること。
• 一貫性のある比較を可能にするために、標準化された記号表記（例：n = 総断片数、k = 復旧に必要な断片数、p = データを露呈しない断片数）を導入すること。
• 機密性、鍵管理、整合性、復旧、断片の再構成、信頼できる場所制御といった基準を用いて、システムを評価すること。
• データの感受性に基づいて、超機密（信頼できるゾーン）、機密（ベアメタルクラウド）、非機密（パブリッククラウド）の3層構造のストレージモデルを提案すること。
• 信頼できるゾーン、ベアメタルクラウド、パブリッククラウドに分散配置することで、ストレージコストを最小限に抑えつつ、セキュリティとパフォーマンスを最大化するスケーラブルで並列処理可能なアーキテクチャを設計すること。
• シャミアの秘密分散法やリダンドンス方式といった既存技術を活用する一方で、構造化データにおける自動感受性分類の必要性を強調すること。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてデータ断片化を、耐障害性に加えて、分散ストレージシステムにおけるデータ機密性の強化にも効果的に活用できるか？
• RQ2 異種の信頼環境下で、ビット単位と構造単位の断片化アプローチの間で、アーキテクチャ的およびパフォーマンス上のトレードオフは何か？
• RQ3 信頼できる環境、ベアメタル、パブリッククラウドのストレージにまたがる多層的データ分類と配置は、セキュリティとコスト効率をどのように最適化できるか？
• RQ4 特に遅延と鍵管理に関して、安全でスケーラブルかつパフォーマンスに優れた断片化ストレージシステムを展開するにあたり、主な未解決課題は何か？
• RQ5 自動的またはセミ自動的な機密データ分類は、構造単位の断片化システムの使いやすさと効率性をどの程度向上させられるか？

主な発見

• シャミアの秘密分散法を用いるビット単位のシステムは、k-out-of-n断片復旧方式により、k > 1 であれば攻撃者の努力を著しく増加させ、強固な機密性を達成できる。
• 構造化データ環境では、構造単位のシステムがビット単位のシステムを上回り、データ感受性と信頼レベルに応じた細分化された保護が可能になる。
• 現在の商業的および学術的システムは、多くの場合、ユーザーが機密レベルを定義する必要があり、数十個の断片を超えてスケーリングしにくい。
• ベアメタルクラウドの利用により、物理的なデータ配置制御が可能になり、仮想化やマルチテナント環境に伴うリスクが低減される。
• セキュリティのための断片化はシステムの遅延を増加させるが、並列処理と最適化された断片配置により、これを緩和できる。
• 超機密データを信頼できるゾーン、機密データをベアメタルクラウド、非機密データをパブリッククラウドに配置する多層的アーキテクチャは、ストレージコストを最小限に抑えつつ、セキュリティを最大化できる。