[논문 리뷰] AnonyControl: Control Cloud Data Anonymously with Multi-Authority Attribute-Based Encryption

Taeho Jung, Xiang‐Yang Li외 2명|arXiv (Cornell University)|2012. 06. 12.

Cryptography and Data Security참고 문헌 18인용 수 66

한 줄 요약

AnonyControl는 사용자 신원 개인정보를 보호하면서도 복수의 기관이 관리하는 속성 기반 암호화 기반의 세밀한 익명 접근 제어를 가능하게 하는 다중 기관 기반 속성 기반 암호화 기술을 제안한다. 이 기술은 속성 기관을 분리함으로써 사용자 신원의 익명성을 확보하고, 최대 N−2개의 기관이 해킹되더라도 시스템의 안정성을 유지하는 동시에 분산 키 생성 및 검증 기법을 통해 낮은 계산 오버헤드를 달성한다.

ABSTRACT

Cloud computing is a revolutionary computing paradigm which enables flexible, on-demand and low-cost usage of computing resources. However, those advantages, ironically, are the causes of security and privacy problems, which emerge because the data owned by different users are stored in some cloud servers instead of under their own control. To deal with security problems, various schemes based on the Attribute- Based Encryption (ABE) have been proposed recently. However, the privacy problem of cloud computing is yet to be solved. This paper presents an anonymous privilege control scheme AnonyControl to address the user and data privacy problem in a cloud. By using multiple authorities in cloud computing system, our proposed scheme achieves anonymous cloud data access, finegrained privilege control, and more importantly, tolerance to up to (N -2) authority compromise. Our security and performance analysis show that AnonyControl is both secure and efficient for cloud computing environment.

연구 동기 및 목표

• 기존 속성 기반 암호화(ABE) 기반 접근 제어 과정에서 사용자 신원 정보가 泄露되는 문제를 해결한다.
• 어느 한 기관이나 클라우드 서버에도 사용자 신원 정보를 드러내지 않으면서도 클라우드 스토리지에서 세밀한 접근 제어를 가능하게 한다.
• 최대 N−2개의 속성 기관이 해킹되더라도 시스템이 안정성을 유지할 수 있도록 설계함으로써 분산된 클라우드 환경에서의 신뢰도를 높인다.
• 클라우드 서버가 사용자의 속성이 접근 정책 트리 조건을 충족하지 못할 경우 암호화된 데이터에 접근할 수 없도록 보장한다.
• 분산 키 생성 및 검증 메커니즘을 통해 효율적인 계산과 확장성을 확보한다.

제안 방법

• 각 속성 기관이 사용자 속성의 상호배타적인 부분집합을 관리하고, 사용자에게는 부분적으로만 비밀키 컴포넌트를 생성하는 다중 기관 아키텍처를 적용한다.
• 각 기관이 사용자 비밀키의 일부를 자신의 할당된 속성 기반으로 계산함으로써, 어느 한 기관도 전체 비밀키를 알 수 있도록 하는 분산 키 생성 과정을 사용한다.
• 암호문 정책 기반 속성 기반 암호화(CP-ABE) 프레임워크를 구현하여 암호문 내에서 트리 구조의 접근 제어 정책을 정의한다.
• 사용자 속성과 비밀키 컴포넌트를 결합하기 위해 벡터 커밋먼트 기반 검증 메커니즘을 도입함으로써 안전하고 효율적인 키 집계를 가능하게 한다.
• 접근 트리를 너비 우선 순서로 탐색하는 재귀적 복호화 알고리즘을 적용하여, 속성 조건이 충족될 경우에만 정확한 복호화를 보장한다.
• 재암호화 프rotocol를 통해 사용자 삭제 및 재암호화를 지원함으로써 이전 보안성을 유지하고 전체 키 재발급을 방지한다.

실험 결과

연구 질문

• RQ1 사용자 신원 개인정보를 보호하면서도 속성 기반 암호화 시스템에서 기관이 사용자 속성 기반으로 비밀키를 발급하는 과정에서 신원 정보 泄露 문제를 어떻게 해결할 수 있는가?
• RQ2 다중 기관 ABE 시스템에서 어느 한 기관도 사용자의 가명을 연결하거나 전체 신원을 유추할 수 없도록 설계할 수 있는가?
• RQ3 다중 기관 ABE 기반에서 분산 키 생성 및 검증의 계산 오버헤드는 얼마이며, 기관 수와 속성 수에 따라 어떻게 스케일링되는가?
• RQ4 최대 N−2개의 속성 기관이 해킹되더라도 시스템은 어떻게 보안성과 효율성을 유지하는가?
• RQ5 암호화 및 복호화 성능은 접근 트리의 복잡도에 얼마나 의존하는가?

주요 결과

• 시스템은 사용자 익명성을 확보한다. 어느 한 기관도 부분 키 컴포넌트를 학습하더라도 사용자의 가명을 연결하거나 전체 신원을 복원할 수 없다.
• 전체 설정 시간은 기관 수에 관계없이 일정하게 유지되며, 기관당 복잡도가 O(1)이므로 강력한 확장성을 보인다.
• 기관장당 키 생성 복잡도는 O(N + I)이며, 여기서 N은 기관 수, I는 사용자당 속성 수이다. 이는 작업 부하의 효율적 분배를 보여준다.
• 암호화 및 복호화 시간은 트리 구조의 복잡도와 무관하며, 접근 트리의 노드 수에만 의존한다. 복호화 복잡도는 O(X), 암호화 복잡도는 O(X·K)이며, 여기서 X는 노드 수, K는 평균 임계값이다.
• 성능 평가 결과, 암호화 및 복호화 시간은 속성 수에 따라 선형적으로 증가하며, 대규모 접근 트리에서도 효율성을 유지한다. 일반 설정에서는 측정된 시간이 1초 이내이다.
• 시스템은 O(X·K)의 복잡도로 안전한 재암호화 및 사용자 삭제를 지원하며, 암호화 및 복호화 오버헤드와 동일한 수준이므로 동적 클라우드 환경에서의 실용적 구현이 가능하다.