[논문 리뷰] ProvAbs: model, policy, and tooling for abstracting PROV graphs

Paolo Missier, Jeremy Bryans외 3명|arXiv (Cornell University)|2014. 06. 08.

Scientific Computing and Data Management참고 문헌 10인용 수 8

한 줄 요약

이 논문은 민감하거나 복잡한 노드들을 고수준의 추상화로 묶으면서도 그래프의 유효성을 유지하는 모델 및 도구인 ProvAbs를 소개한다. 형식적인 Provenance Abstraction Model(PAM)과 노드에 민감도 및 유틸리티 값을 할당하는 정책 언어를 결합하여 수신자 권한 수준에 따라 통제된 공개를 가능하게 하며, 상호작용 가능한 정책 실험과 잔여 유틸리티 측정을 지원하는 ProvAbs 도구로 구현된다.

ABSTRACT

Provenance metadata can be valuable in data sharing settings, where it can be used to help data consumers form judgements regarding the reliability of the data produced by third parties. However, some parts of provenance may be sensitive, requiring access control, or they may need to be simplified for the intended audience. Both these issues can be addressed by a single mechanism for creating abstractions over provenance, coupled with a policy model to drive the abstraction. Such mechanism, which we refer to as abstraction by grouping, simultaneously achieves partial disclosure of provenance, and facilitates its consumption. In this paper we introduce a formal foundation for this type of abstraction, grounded in the W3C PROV model; describe the associated policy model; and briefly present its implementation, the Provabs tool for interactive experimentation with policies and abstractions.

연구 동기 및 목표

• 데이터 공유 시 프로벤ance 복잡성과 기밀성을 관리하는 데 도전하는 문제를 해결하기 위해 민감하거나 세부적인 프로벤ance 정보를 추상화할 수 있도록 하는 것.
• 노드 집합을 하나의 추상 노드로 대체하는 Group 연산자를 통해 안전하고 유효한 PROV 그래프 추상화를 가능하게 하는 형식적 모델을 개발하는 것.
• 프로벤ance 소유자가 민감도 기반으로 어떤 노드를 추상화할지 지정할 수 있도록 하는 정책 언어를 설계하는 것. 이는 신뢰 기반 액세스 제어를 지원한다.
• ProvAbs 도구를 사용하여 접근법을 구현하고 평가함으로써 상호작용 가능한 정책 정의와 추상화된 프로벤ance 그래프의 시각화를 지원하는 것.
• 잔여 유틸리티 지표를 사용하여 공개 통제와 정보 유틸리티 손실 사이의 트레이드오프를 정량적으로 측정하는 것.

제안 방법

• 프로벤ance 추상화 모델(PAM)은 유효한 PROV 그래프 PG 내의 노드 집합 V_gr을 하나의 추상 노드로 대체하는 형식적인 Group 연산자를 도입하며, 볼록성 제약 조건을 통해 그래프의 유효성과 사이클 생성을 방지한다.
• 정책 모델은 사용자 정의 규칙에 따라 각 노드 v에 대해 민감도 값 s(v, pol)을 할당하며, PROV-N 그래프 기반의 경로 표현식과 필터를 사용하여 추상화 대상 노드를 식별한다.
• 각 수신자에게는 청소 수준(cl)이 할당되며, s(v, pol) > cl 인 노드는 그룹화 대상이 되어 신뢰 기반 액세스 제어가 가능하다.
• 정책 언어는 정규 경로 표현식의 단순화된 프ragment을 사용하며, descendantOf 등의 연산자와 노드 속성(예: data.Status ≥ Secret)에 대한 필터 조건을 지원한다.
• 노드에 유틸리티 값 u(n)을 할당하여 그들의 증거적 중요도를 측정하고, 잔여 유틸리티 RU_V는 원본 그래프의 총 유틸리티 대비 유지된 유틸리티의 비율로 계산된다.
• ProvAbs 도구는 그래프 저장을 위해 Neo4J를 사용하고, 정책 평가를 위해 Cypher 쿼리를 사용하며, 민감도 값과 잔여 유틸리티 출력을 포함한 추상화된 그래프를 시각화한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 복잡성을 줄이고 민감한 정보를 보호하면서도 구조적 유효성을 유지할 수 있는 프로벤ance 그래프 추상화 방식을 설계할 수 있는가?
• RQ2 세밀한, 신뢰 기반의 프로벤ance 메타데이터 공개를 가능하게 하는 형식적 모델과 정책 언어는 무엇인가?
• RQ3 프로벤ance 추상화에서 정보 공개와 유틸리티 손실 사이의 트레이드오프를 어떻게 정량적으로 측정할 수 있는가?
• RQ4 정책 기반 추상화 메커니즘은 민감하거나 중복된 세부 정보를 제거하면서도 핵심 프로벤ance 관계를 얼마나 잘 유지할 수 있는가?
• RQ5 ProvAbs 도구는 추상화 정책과 그 결과를 탐색하는 데 얼마나 효과적인가?

주요 결과

• Group 연산자는 노드 집합을 하나의 추상 노드로 성공적으로 추상화하며, PROV 그래프의 유효성을 유지하고, 새로운 사이클이나 유효하지 않은 관계를 유도하지 않는다.
• 정책 언어는 경로 표현식과 속성 기반 필터를 사용하여 추상화 대상 노드를 정밀하게 선택할 수 있으며, 분류 및 구조적 조건에 기반한 민감도 값이 할당된다.
• 잔여 유틸리티 지표 RU_V는 추상화 후에 손실되는 유용한 정보의 양을 정량화하며, 높은 값은 증거적 내용의 우수한 유지 정도를 나타낸다.
• ProvAbs 도구는 상호작용 가능한 정책 정의, 민감도 수준 시각화(색상화된 노드), 잔여 유틸리티 출력이 포함된 추상화된 프로벤ance 그래프 생성을 성공적으로 지원한다.
• 고민감도 노드를 그룹화함으로써 프로벤ance의 통제된 공개가 가능하며, 결과는 수신자의 청소 수준과 정책 설정에 따라 달라진다.
• 이 방법은 기밀성 유지 사례에서 정보 통신에 적용하여 실생활 데이터 공유 시나리오에서의 실용성을 입증하였다.