[論文レビュー] Data Protection: Combining Fragmentation, Encryption, and Dispersion, a final report

Gérard Memmi, Katarzyna Kapusta+2 more|arXiv (Cornell University)|Dec 9, 2015

Cryptography and Data Security参考文献 49被引用数 6

ひとこと要約

本論文は、高度持続的攻撃（APT）に対する耐性を高めるために、データ断片化、エンドツーエンド暗号化、複数のマシンへの分散保存を組み合わせた画期的なデータ保護フレームワーク、Fragments, Encryption, and Dispersion System（FEDS）を提案する。公開フラグメントと非公開フラグメントにデータを分離し、強力な暗号化を適用し、地理的に分散されたノードにフラグメントを分散することで、継続的な攻撃に対しても低オーバーヘッドで高い機密性、完全性、レジリエンスを実現する。

ABSTRACT

Hardening data protection using multiple methods rather than 'just' encryption is of paramount importance when considering continuous and powerful attacks in order to observe, steal, alter, or even destroy private and confidential information.Our purpose is to look at cost effective data protection by way of combining fragmentation, encryption, and dispersion over several physical machines. This involves deriving general schemes to protect data everywhere throughout a network of machines where they are being processed, transmitted, and stored during their entire life cycle. This is being enabled by a number of parallel and distributed architectures using various set of cores or machines ranging from General Purpose GPUs to multiple clouds. In this report, we first present a general and conceptual description of what should be a fragmentation, encryption, and dispersion system (FEDS) including a number of high level requirements such systems ought to meet. Then, we focus on two kind of fragmentation. First, a selective separation of information in two fragments a public one and a private one. We describe a family of processes and address not only the question of performance but also the questions of memory occupation, integrity or quality of the restitution of the information, and of course we conclude with an analysis of the level of security provided by our algorithms. Then, we analyze works first on general dispersion systems in a bit wise manner without data structure consideration; second on fragmentation of information considering data defined along an object oriented data structure or along a record structure to be stored in a relational database.

研究の動機と目的

• 分散環境におけるプライベートで機密性の高いデータを標的とする洗練された継続的攻撃の増加に応えること。
• 物理的な複数台のマシンにまたがる断片化、暗号化、分散化を統合したコスト効率が良くスケーラブルなデータ保護モデルを設計すること。
• 処理中、送信中、保存中のすべての段階において、データの機密性、完全性、可用性を保証すること。
• 実世界の脅威モデル下で、提案されたFEDSアーキテクチャの性能、メモリ効率、セキュリティ強度を評価すること。
• マルチクラウド、GPUクラスタ、異種コンピューティング環境を含む多様なアーキテクチャに適用可能な汎用フレームワークを提供すること。

提案手法

• 機密性の高い情報を公開フラグメントと非公開フラグメントに分割する選択的データ断片化を用い、重要なデータの露出を最小限に抑える。
• 非公開フラグメントは、機密性を確保するため、配布前に強力な対称暗号化アルゴリズムで暗号化する。
• データ損失や不正な再構成を防ぐために、冗長性に基づく方式を用いてフラグメントを複数の独立したストレージノードに分散配布する。
• 低レベルのデータにはビット単位の分散を、構造化されたデータ（データベースやOOPモデルなど）にはオブジェクト／レコード単位の断片化をサポートする。
• 安全な鍵管理および再構成プロトコルが、唯一正当な参加者だけが元のデータを再構成できるようにする、重要なコンponentsである。
• システムは下位のハードウェアに依存せず、一般用途のCPU、GPU、クラウドインfrastructuresの両方での展開をサポートする。

実験結果

リサーチクエスチョン

• RQ1 信頼できない分散環境で情報の保存および送信を行う際、どのようにしてデータの機密性を最大化できるか？
• RQ2 分散システムにおける断片化、暗号化、分散化の組み合わせによる性能およびメモリオーバーヘッドはどの程度か？
• RQ3 複数の分散フラグメントにまたがる際、データの完全性および再構成の正確性をどのように保証できるか？
• RQ4 FEDSモデルは、高度持続的攻撃および内部者攻撃に対してどの程度のセキュリティを提供するか？
• RQ5 関係データベースやオブジェクト指向モデルを含む、さまざまなデータ構造に効率的にスケーリングおよび適応できるか？

主な発見

• FEDSアーキテクチャは、どのノードにも完全または意味のあるデータが保持されないことを保証することで、強力な機密性を実現する。
• 最適化されたフラグメント処理および暗号化パイプラインを用いることで、特に低メモリオーバーヘッドかつ高い性能を示す。
• 元のデータの再構成は正確かつ信頼性が高く、暗号化チェックサムおよびアクセス制御メカニズムを用いて完全性が検証される。
• セキュリティモデルは、複数のノードが侵害された場合でも、受動的盗聴および能動的改ざんの両方に対して耐性を示す。
• 既存のストレージおよびコンピューティングインfrastructures、特にマルチクラウドおよびGPUアクセcelレートド環境へのシームレスな統合をサポートする。
• 選択的断片化の使用により、任意のフラグメントに機密データが露出する範囲が最小限に抑えられ、攻撃表面が縮小される。