[論文レビュー] Visor: Privacy-Preserving Video Analytics as a Cloud Service

Rishabh Poddar, Ganesh Ananthanarayanan+3 more|arXiv (Cornell University)|Jun 17, 2020

Security and Verification in Computing参考文献 95被引用数 10

ひとこと要約

Visor は、悪意あるクラウドや信頼できない共用ホストが存在する状況下でも、サイドチャnel攻撃からビデオストリームおよび機械学習モデルを保護するプライバシー保護型ビデオ分析システムである。ハイブリッド CPU-GPU 信頼実行環境（TEE）を活用し、非効率な無差別的解決策に比べて最大 1000 倍の高速化を達成するが、非無差別的ベースラインに比べてわずか 2 倍〜6 倍のオーバーヘッドにとどまる。

ABSTRACT

Video-analytics-as-a-service is becoming an important offering for cloud providers. A key concern in such services is privacy of the videos being analyzed. While trusted execution environments (TEEs) are promising options for preventing the direct leakage of private video content, they remain vulnerable to side-channel attacks. We present Visor, a system that provides confidentiality for the user's video stream as well as the ML models in the presence of a compromised cloud platform and untrusted co-tenants. Visor executes video pipelines in a hybrid TEE that spans both the CPU and GPU. It protects the pipeline against side-channel attacks induced by data-dependent access patterns of video modules, and also addresses leakage in the CPU-GPU communication channel. Visor is up to $1000 imes$ faster than naïve oblivious solutions, and its overheads relative to a non-oblivious baseline are limited to $2 imes$--$6 imes$.

研究の動機と目的

• クラウドプラットフォームが侵害された場合や共用ホストが信頼できない場合のビデオ分析サービス（VAaaS）におけるプライバシー漏洩を解決すること。
• データ依存のアクセスパターンを利用したサイドチャnel攻撃から、ビデオデータおよび機械学習モデルを保護すること。
• ビデオパイプラインにおける機密情報の漏洩を引き起こす可能性がある CPU-GPU コミュニケーションチャネルを保護すること。
• クラウド環境において、効率的で低オーバーヘッドのプライバシー保護型ビデオ分析を実現すること。
• ビデオ分析ワークロードにおける無差別的計算のパフォーマンスペナルティを低減すること。

提案手法

• CPU と GPU の両方をカバーするハイブリッド TEE を設計し、ビデオ処理パイプライン全体にわたり隔離性と機密性を確保すること。
• ビデオモジュールにおけるデータ依存のアクセスパターンをマスクするための無差別的アルゴリズムを採用し、サイドチャネル漏洩を防止すること。
• 暗号化およびアクセス隠蔽技術を適用して、CPU-GPU コミュニケーションチャネルを保護し、情報漏洩を防ぐこと。
• ハードウェアに最適化された設計によりパフォーマンスを最適化し、無差別的実行のオーバーヘッドを最小限に抑えること。
• エンドツーエンドのプライバシー保護型ビデオ分析を可能にするために、システムをクラウドサービスアーキテクチャに統合すること。
• 実世界のビデオ分析ワークロードを用いて評価し、パフォーマンスおよびセキュリティ保証を測定すること。

実験結果

リサーチクエスチョン

• RQ1 マルチテントクラウド環境において、どのようにしてビデオ分析パイプラインをサイドチャネル攻撃から保護できるか？
• RQ2 CPU-GPU ハイブリッドビデオパイプラインにおいて、無差別的実行を強制した場合のパフォーマンスオーバーヘッドはどの程度か？
• RQ3 プライバシー保護型ビデオ分析を、クラウドサービスにおける実用的導入に十分なほど効率的にできるか？
• RQ4 ハイブリッド TEE は、侵害されたクラウドインfraや信頼できない共用ホストから、ビデオコンテンツおよび機械学習モデルを効果的に保護できるか？
• RQ5 プライバシー保護型ビデオ分析において、セキュリティと効率性の間のパフォーマンストレードオフはどのようなものか？

主な発見

• Visor は、非無差別的ベースラインに比べてわずか 2 倍〜6 倍のオーバーヘッドに抑えられ、非効率な無差別的解決策に比べて大幅に効率性が向上した。
• Visor は、非効率な無差別的アプローチに比べて最大 1000 倍の高速化を達成し、リアルタイムワークロードに対してもプライバシー保護型ビデオ分析を実用可能にした。
• システムは、ビデオ処理モジュールにおけるデータ依存のアクセスパターンに起因するサイドチャネル漏洩を効果的に緩和した。
• Visor は CPU-GPU コミュニケーションチャネルを保護し、タイミングやアクセスパターン分析による漏洩を防止した。
• ハイブリッド TEE の設計により、侵害されたクラウドおよび信頼できない共用ホストから、ビデオコンテンツおよび機械学習モデルの両方を効果的に保護できた。
• 評価結果から、Visor は強固なプライバシー保証を維持しながら、クラウドベースのビデオ分析に適したパフォーマンスを実現していることが確認された。