[논문 리뷰] Data protection by means of fragmentation in various different distributed storage systems - a survey

Katarzyna Kapusta, Gérard Memmi|arXiv (Cornell University)|2017. 06. 16.

Advanced Data Storage Technologies인용 수 4

한 줄 요약

이 종합 검토는 데이터 분할 기반으로 내구성과 보안을 확보하는 분산 스토리지 시스템에 대한 포괄적인 분석을 제안하며, 비트 단위(비구조화된 데이터용)와 구조 단위(구조화된 기밀 데이터용)로 분류한다. 이는 기밀성 수준에 따라 신뢰할 수 있는, 베어메탈, 그리고 공공 클라우드 환경에 데이터 조각을 전략적으로 배치함으로써 보안, 성능, 비용을 최적화하는 확장 가능한 다수준 아키텍처를 제시한다.

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.

연구 동기 및 목표

• 데이터 분할을 통해 보안을 강화하는 기존 분산 스토리지 시스템을 분석하며, 단순한 복구 용도를 넘어서서 분석한다.
• 시스템을 비트 단위(비구조화된 데이터, 동일한 신뢰 모델)와 구조 단위(구조화된 데이터, 이질적인 신뢰 모델)로 분류하고 식별한다.
• 성능, 가용성, 내구성, 확장성에 중점을 두어 효율적인 데이터 분할 시스템을 위한 고수준 요구사항을 정의한다.
• 기밀성 수준에 기반한 다수준 데이터 배치를 통해 보안, 비용 효율성, 성능을 통합하는 미래 아키텍처를 제안한다.
• 키 관리, 지연 시간, 구조화된 시스템에서의 민감한 데이터 자동 분류와 같은 열린 과제를 다룬다.

제안 방법

• 데이터 유형(비구조화된 데이터 대비 구조화된 데이터)과 신뢰 모델(동일한 신뢰 대비 이질적 신뢰)에 따라 기존 시스템을 비트 단위 및 구조 단위로 분류한다.
• 시스템 비교를 통일하기 위해 표준화된 기호를 도입한다(예: n = 총 조각 수, k = 복구에 필요한 조각 수, p = 데이터를 드러내지 않는 조각 수).
• 기밀성, 키 관리, 무결성, 복구, 재구성, 신뢰할 수 있는 위치 제어 등의 기준을 사용해 시스템을 평가한다.
• 데이터 민감도에 기반해 세 단계 스토리지 모델을 제안한다: 초기밀(신뢰 영역), 기밀(베어메탈 클라우드), 비기밀(공공 클라우드).
• 스토리지 비용을 최소화하면서 보안과 성능을 극대화하기 위해 지능적인 조각 배포를 통한 확장 가능하고 병렬 처리 가능한 아키텍처를 설계한다.
• 기존 기법(예: 샤미르의 비밀 분할 기법 및 복구 기반 스키마)을 활용하면서도, 구조화된 데이터에서의 자동 민감도 분류의 필요성을 강조한다.

실험 결과

연구 질문

• RQ1 데이터 분할은 내구성 외에도 분산 스토리지 시스템에서 데이터 기밀성을 향상시키는 데 효과적으로 활용될 수 있는가?
• RQ2 이질적 신뢰 환경에서 비트 단위와 구조 단위 분할 접근 방식 간의 주요 아키텍처적 및 성능적 트레이드오프는 무엇인가?
• RQ3 신뢰할 수 있는, 베어메탈, 공공 클라우드 스토리지 간의 다수준 데이터 분류 및 배치를 통해 보안과 비용 효율성을 최적화할 수 있는가?
• RQ4 특히 지연 시간과 키 관리 측면에서, 보안성, 확장성, 성능이 뛰어난 분할 스토리지 시스템을 구현할 때 주요 열린 과제는 무엇인가?
• RQ5 민감한 데이터의 자동 또는 반자동 분류가 구조 단위 분할 시스템의 사용성과 효율성에 얼마나 기여할 수 있는가?

주요 결과

• 샤미르의 비밀 분할 기법을 사용하는 비트 단위 시스템은 k개의 조각 중 n개에서 복구할 수 있으며, k > 1일수록 공격자가 시도해야 할 노력이 증가해 강력한 기밀성을 확보할 수 있다.
• 구조 단위 시스템은 데이터 민감도와 신뢰 수준에 따라 세밀한 보호를 가능하게 하므로, 구조화된 데이터 환경에서는 비트 단위 시스템보다 성능이 뛰어나다.
• 현재 상용 및 학술 시스템은 대부분 사용자 정의 기밀성 수준이 필요하며, 수십 개의 조각을 초과하면 잘 확장되지 않는다.
• 베어메탈 클라우드의 사용은 물리적 데이터 배치 제어를 가능하게 하여 가상화 및 다수의 테넌트 환경과 관련된 위험을 감소시킨다.
• 보안을 위한 분할은 시스템 지연 시간을 증가시킬 수 있지만, 병렬 처리와 최적화된 조각 배포를 통해 이를 완화할 수 있다.
• 초기밀 데이터는 신뢰 영역에, 기밀 데이터는 베어메탈 클라우드에, 비기밀 데이터는 공공 클라우드에 배치하는 다수준 아키텍처는 스토리지 비용을 최소화하면서도 보안을 극대화할 수 있다.