[논문 리뷰] SAFETY: Secure gwAs in Federated Environment Through a hYbrid solution with Intel SGX and Homomorphic Encryption

Md Nazmus Sadat, Momin Al Aziz외 4명|arXiv (Cornell University)|2017. 03. 07.

Privacy-Preserving Technologies in Data참고 문헌 21인용 수 22

한 줄 요약

SAFETY는 Intel SGX와 동형 암호화를 결합한 하이브리드 프레임워크를 제안하여 분산된 환경에서 안전하고 효율적이며 확장 가능한 전장 유전자 연관 분석(GWAS)을 가능하게 한다. SGX를 통해 신뢰할 수 있는 계산을 수행하고, 동형 암호화를 통해 안전한 데이터 집계를 실현함으로써 SAFETY는 기존의 안전한 계산 기법 대비 최대 4.82배 빠른 GWAS 분석을 달성하면서도 분산된 유전체 저장소 간의 데이터 기밀성을 유지한다.

ABSTRACT

Recent studies demonstrate that effective healthcare can benefit from using the human genomic information. For instance, analysis of tumor genomes has revealed 140 genes whose mutations contribute to cancer. As a result, many institutions are using statistical analysis of genomic data, which are mostly based on genome-wide association studies (GWAS). GWAS analyze genome sequence variations in order to identify genetic risk factors for diseases. These studies often require pooling data from different sources together in order to unravel statistical patterns or relationships between genetic variants and diseases. In this case, the primary challenge is to fulfill one major objective: accessing multiple genomic data repositories for collaborative research in a privacy-preserving manner. Due to the sensitivity and privacy concerns regarding the genomic data, multi-jurisdictional laws and policies of cross-border genomic data sharing are enforced among different regions of the world. In this article, we present SAFETY, a hybrid framework, which can securely perform GWAS on federated genomic datasets using homomorphic encryption and recently introduced secure hardware component of Intel Software Guard Extensions (Intel SGX) to ensure high efficiency and privacy at the same time. Different experimental settings show the efficacy and applicability of such hybrid framework in secure conduction of GWAS. To the best of our knowledge, this hybrid use of homomorphic encryption along with Intel SGX is not proposed or experimented to this date. Our proposed framework, SAFETY is up to 4.82 times faster than the best existing secure computation technique.

연구 동기 및 목표

• 다양한 규제 정책을 가진 지리적으로 분산된 여러 유전체 데이터 저장소 간에서 기밀을 유지하는 GWAS를 수행하는 데 도전하는 것.
• 데이터 기밀성을 보장하면서도 협업 기반 유전체 연구를 가능하게 하는 확장성 있고 효율적인 솔루션을 개발하는 것.
• 암호화된 데이터에서의 안전한 계산을 위한 동형 암호화의 강점과 신뢰할 수 있는 실행을 위한 Intel SGX의 강점을 결합한 하이브리드 아키텍처를 개발하는 것.
• 특히 다수의 데이터 소유자가 참여하는 대규모 GWAS에 대해 안전한 계산의 성능 오버헤드를 줄이는 것.
• 일반적인 GWAS 통계 테스트(예: CATT, FET, HWE, LD)를 기밀 보장 조건 하에 연합 환경에서 실행할 수 있는 실용적이고 구현 가능한 프레임워크를 제공하는 것.

제안 방법

• 유전체 데이터가 암호화된 채로 소유자 측의 로컬 시설에 유지되는 연합 아키텍처를 사용한다.
• 특히 Paillier 암호 체계를 활용한 동형 암호화를 사용하여 데이터 소유자 간의 교차표의 행 및 열 합계를 안전하게 집계한다.
• 암호화된 집계 합계를 복호화한 후, 고립된 환경 내에서 복잡한 통계 계산(예: 피어슨의 정확 검정)을 수행하기 위해 Intel SGX를 활용한다.
• 중앙 서버가 쿼리를 조율하고 데이터 소유자로부터 암호화된 입력을 수신하며, 이를 최종 계산을 위해 SGX 환경으로 전송한다.
• 쿼리 실행 중 효율성을 향리하기 위해 각 데이터 소유자당 한 번만 교차표의 사전 계산을 수행한다.
• 개별 유전체 데이터는 절대 복호화되지 않으며, 오직 집계 통계만 SGX 환경 내에서 복호화되어 데이터 기밀성이 보장된다.

실험 결과

연구 질문

• RQ1 동형 암호화와 Intel SGX를 조합한 하이브리드 시스템이 연합 GWAS에서 강력한 기밀 보장과 높은 성능을 동시에 달성할 수 있는가?
• RQ2 SAFETY의 성능은 다자 간 환경에서 기존의 안전한 계산 기법 대비 어떻게 비교되는가?
• RQ3 데이터 소유자의 수가 증가함에 따라 하이브리드 모델의 확장성은 어느 정도인가?
• RQ4 기밀 보장 조건 하에서 CATT, FET, HWE, LD와 같은 일반적인 GWAS 통계 테스트를 프레임워크가 안전하게 지원할 수 있는가?
• RQ5 유전체 데이터 분석에서 동형 암호화를 보안 하드웨어와 통합할 때의 주요 보안 및 효율성 트레이드오프는 무엇인가?

주요 결과

• SAFETY는 기존의 가장 우수한 안전한 계산 기법 대비 최대 4.82배의 성능 향상을 달성하여 뚜렷한 성능 향상을 입증한다.
• 하이브리드 모델은 데이터 소유자의 수에 관계없이 일관된 성능을 유지하여 강력한 수평 확장성을 보인다.
• 프레임워크는 CATT, 피어슨의 정확 검정, HWE, LD 등 다수의 GWAS 통계 테스트를 안전한 집계와 신뢰할 수 있는 실행을 통해 성공적으로 지원한다.
• 교차표의 사전 계산은 런타임 오버헤드를 줄여 전체 효율성을 향상시키며, 기밀성은 손상되지 않는다.
• 확률적 암호화(Paillier)의 사용으로 초기화 벡터 관리가 불필요해져 복잡성과 공격 표면이 감소한다.
• Intel SGX와 동형 암호화의 통합은 대칭 암호 기반 접근 방식에 비해 통신 오버헤드와 키 배포 복잡성을 감소시킨다.