[논문 리뷰] CryptGraph: Privacy Preserving Graph Analytics on Encrypted Graph

Pengtao Xie, Eric P. Xing|arXiv (Cornell University)|2014. 09. 17.

Cryptography and Data Security참고 문헌 21인용 수 5

한 줄 요약

CryptGraph는 동형 암호화를 사용하여 암호화된 그래프에서 기밀을 유지하는 그래프 분석을 가능하게 하며, 입력 데이터와 출력 결과가 모두 기밀로 유지됨을 보장한다. 비동형 연산을 처리하기 위해 다항식 기반의 구조 쿼리 및 어려운 계산 외주 기법을 도입하여, 실제 그래프에서 정확하고 실현 가능한 분석을 수행하며 최소한의 오차를 유발한다.

ABSTRACT

Many graph mining and analysis services have been deployed on the cloud, which can alleviate users from the burden of implementing and maintaining graph algorithms. However, putting graph analytics on the cloud can invade users' privacy. To solve this problem, we propose CryptGraph, which runs graph analytics on encrypted graph to preserve the privacy of both users' graph data and the analytic results. In CryptGraph, users encrypt their graphs before uploading them to the cloud. The cloud runs graph analysis on the encrypted graphs and obtains results which are also in encrypted form that the cloud cannot decipher. During the process of computing, the encrypted graphs are never decrypted on the cloud side. The encrypted results are sent back to users and users perform the decryption to obtain the plaintext results. In this process, users' graphs and the analytics results are both encrypted and the cloud knows neither of them. Thereby, users' privacy can be strongly protected. Meanwhile, with the help of homomorphic encryption, the results analyzed from the encrypted graphs are guaranteed to be correct. In this paper, we present how to encrypt a graph using homomorphic encryption and how to query the structure of an encrypted graph by computing polynomials. To solve the problem that certain operations are not executable on encrypted graphs, we propose hard computation outsourcing to seek help from users. Using two graph algorithms as examples, we show how to apply our methods to perform analytics on encrypted graphs. Experiments on two datasets demonstrate the correctness and feasibility of our methods.

연구 동기 및 목표

• 신뢰할 수 없는 클라우드 제공자에게 민감한 그래프 데이터와 결과가 노출되는 클라우드 기반 그래프 분석에서의 핵심 기밀 위협을 해결하기 위해.
• 클라우드에서 복호화 없이도 암호화된 그래프에서 그래프 알고리즘을 안전하게 실행할 수 있도록 하기 위해.
• 동형 암호화의 제한 사항(예: 나눗셈 및 비교 연산 불가능성)에도 불구하고 그래프의 구조적 무결성과 분석의 정확성을 유지하기 위해.
• 사용자가 클라우드 자원을 활용하면서도 전체 기밀성을 유지할 수 있도록 시스템을 설계하기 위해.
• 실제 데이터셋에서 기밀을 유지하는 그래프 분석의 실현 가능성과 정확성을 입증하기 위해.

제안 방법

• 구조적 정보를 보호하고 데이터 기밀성을 확보하기 위해 그래프를 동형 암호화(HE)로 암호화한다.
• 비교나 나눗셈 연산이 필요 없이 그래프 구조 쿼리(예: 삼각형 수 계산)를 수행하기 위해 다항식 계산을 사용한다.
• 어려운 계산 외주 기법을 도입하여, 클라우드에서 동형적으로 계산할 수 없는 연산(특히 나눗셈 또는 비교)에 대해 사용자가 소수의 연산을 수행하도록 한다.
• 암호화된 데이터에서 결과 정확성을 유지하기 위해 동형 덧셈, 곱셈 및 부정 연산을 적용한다.
• 클라우드가 대부분의 동형 연산을 수행하고 사용자가 비동형 연산을 보조함으로써 효율성과 정확성을 유지하는 하이브리드 모델을 활용한다.
• 그래프 분석 워크로드에 최적화된 파rameter 설정을 적용한 동형 암호화 체계(예: Wu와 Haven, 2012)를 사용한다.

실험 결과

연구 질문

• RQ1 클라우드에 데이터나 결과를 드러내지 않고도 암호화된 그래프에서 그래프 분석을 안전하게 수행할 수 있는가?
• RQ2 나눗셈과 비교가 지원되지 않는 조건에서, 그래프 구조 쿼리(예: 군집 계수, PageRank)를 어떻게 동형적으로 계산할 수 있는가?
• RQ3 나눗셈, 비교와 같은 암호화하기 어려운 연산을 어떻게 외주함으로써 정확성과 기밀성을 유지할 수 있는가?
• RQ4 암호화가 실제 그래프에서의 그래프 분석 정확도와 성능에 얼마나 영향을 미치는가?
• RQ5 제안된 시스템이 실생활에서 암호화된 데이터에서 정확하고 실현 가능한 그래프 분석을 달성할 수 있는가?

주요 결과

• 암호화된 돌고래 사회망 그래프에서 계산된 군집 계수의 평균 제곱오차(MSE)는 0.00015로, 평문 결과와 거의 완벽한 정확도를 보였다.
• 암호화된 정치 블로그 그래프에서 계산된 PageRank 값은 MSE가 0.00021로, 결과의 높은 정밀도와 정확성을 확인했다.
• Dolphin 데이터셋에서 삼각형 수 계산은 암호화된 데이터에서 평균 1.2초의 시간이 소요되어 성능 오버헤드가 있음에도 불구하고 실현 가능성을 입증했다.
• 정치 블로그 그래프에서 PageRank 업데이트는 암호화 상태에서 평균 0.8초의 시간이 소요되어 비실시간 분석에 적합한 성능을 보였다.
• 동형 계산의 성능 오버헤드가 주요 비용이었으며, 암호화, 복호화 및 통신 비용은 이에 비해 무시할 만했다.
• 두 개의 실생활 데이터셋에서 시스템의 정확성이 검증되어, 암호화된 그래프 분석이 정확하고 실용적일 수 있음을 확인했다.