[논문 리뷰] SMCQL: Secure Query Processing for Private Data Networks

Johes Bater, Gregory Elliott외 4명|arXiv (Cornell University)|2016. 06. 22.

Cryptography and Data Security인용 수 13

한 줄 요약

SMCQL은 신뢰할 수 없는 당사자 간의 공동 데이터 분석을 가능하게 하기 위해 보안 다자간 계산(SMC)을 활용하여 기밀성과 개인정보 보호를 보장하는 프라이빗 데이터 네트워크(PDN)에서의 쿼리 처리를 가능하게 하는 혁신적인 프레임워크이다. 이 프레임워크는 SMC 조정 지점을 최소화하는 쿼리 플래너를 사용하여 성능 오버헤드를 크게 감소시키면서도 데이터 기밀성을 유지한다.

ABSTRACT

People and machines are recording data at an unprecedented rate. At the same time, progress has been slow in making data available for open science and other research initiatives. Many of these efforts are stymied by privacy concerns and regulatory compliance issues. For example, numerous hospitals are interested in combining their patient records with those of other healthcare sites for clinical data research, but they cannot disclose the contents of their databases without violating patient confidentiality. We propose a novel generalization of federated database systems called a private data network (PDN), and it is designed for querying over the collective data of mutually distrustful parties. In a PDN, participants do not reveal their raw data, nor do they encrypt and upload it to the cloud. Rather, they perform secure multiparty computation (SMC) with other federation members to produce query results over the data of both parties. Here, a user submits their SQL query to an honest broker that plans and coordinates its distributed execution using SMC. Within SMC, the participating database providers compute a joint function with an output that is only revealed to the user and the honest broker. The databases computing the query learn nothing about the inputs provided by their peers, nor can they see the output of the group's computation. This capability comes at a high cost-SMC programs typically have runtimes that are orders of magnitude slower than their insecure counterparts. We address this challenge with a query planner that automatically identifies the minimal set of coordination points between parties in a given query plan. The planner translates these distributed steps into SMC as needed and feeds the secure code into our query executor. Our framework, SMCQL, plans and executes PDN queries. We are preparing SMCQL for an open-source release.

연구 동기 및 목표

• 상호 간에 신뢰할 수 없는 당사자(예: 병원) 간에 환자의 개인정보를 유출하지 않으면서도 공동 데이터 분석을 가능하게 하는 데 도전하는 것.
• SMC 실행 중의 성능 저하 문제를 해결하기 위해 SMC 실행 중 조정 지점의 수를 최소화하여 관계형 데이터베이스 쿼리 처리에서의 SMC 성능을 향상시키는 것.
• 참여하는 데이터베이스 제공자에게 입력 또는 출력을 드러내지 않고도 분산 데이터베이스 위에서 표준 SQL 쿼리를 실행할 수 있도록 하는 시스템을 설계하는 것.
• 주어진 쿼리 플랜에 필요한 최소한의 SMC 연산 집합을 자동으로 식별하는 쿼리 플래너를 개발하는 것.
• open-source 배포를 위한 SMCQL의 구축 및 준비를 통해 기밀성 보장의 대규모 분석 솔루션으로서의 실용성을 확보하는 것.

제안 방법

• 데이터베이스 제공자가 원시 데이터를 공유하거나 중앙 클라우드에 업로드하지 않고도 SMC를 통해 협력할 수 있는 프라이빗 데이터 네트워크(PDN) 모델을 도입한다.
• 사용자의 SQL 쿼리를 수신하고 분산 실행을 계획하며, 참가 당사자 간의 SMC 기반 계산을 조율하는 정직한 브로커가 존재한다.
• 쿼리 플래너는 쿼리 플랜 내에서 최소한의 조정 지점을 식별하여 SMC 연산의 수를 줄이고 성능을 향상시킨다.
• 식별된 조정 지점을 보안 계산 프로토콜로 변환하고, 이를 쿼리 실행자가 SMC 기법을 사용하여 실행한다.
• SMC는 참가하는 데이터베이스가 상대방의 입력이나 최종 출력에 대해 아무것도 알 수 없도록 보장하여 기밀성을 유지한다.
• 시스템은 표준 SQL 쿼리를 지원하며, 관계형 데이터베이스 처리 파이프라인 내에서 SMC 실행을 원활하게 통합한다.

실험 결과

연구 질문

• RQ1 신뢰할 수 없는 당사자 간의 공동 분석을 가능하게 하기 위해 보안 다자간 계산(SMC)을 관계형 데이터베이스 쿼리 처리에 효율적으로 통합하는 방법은 무엇인가?
• RQ2 SMC 환경에서 정확성과 기밀성을 보장하기 위해 분산 쿼리 플랜에서 필요한 최소한의 조정 지점은 무엇인가?
• RQ3 쿼리 플래너는 보안 보장을 희생시키지 않고 SMC의 성능 오버헤드를 줄일 수 있는가?
• RQ4 사용자가 기밀성 보장의 분산된 데이터 위에서 표준 SQL 쿼리를 실행할 수 있도록 하는 시스템 아키텍처는 어떻게 설계할 수 있는가?
• RQ5 지능적인 조정 지점 최소화를 통해 최적화된 SMC 기반 쿼리 처리의 실용적 성능 특성은 무엇인가?

주요 결과

• SMCQL은 참가하는 데이터베이스 제공자에게 원시 데이터나 출력을 드러내지 않으면서도 프라이빗 데이터 네트워크에서 보안적이고 기밀성을 유지하는 쿼리 실행을 성공적으로 구현하였다.
• 쿼리 플래너가 SMC 조정 지점의 수를 크게 줄여, 단순한 SMC 통합 대비 성능 향상을 이룬다.
• 프레임워크는 표준 SQL 쿼리를 지원하며, 관계형 데이터베이스 처리 파이프라인 내에서 SMC 실행을 원활하게 통합한다.
• SMCQL은 어떤 당사자도 최종 쿼리 결과에 드러나는 것 이외의 정보를 알 수 없도록 하여 입력 및 중간 계산의 기밀성을 유지한다.
• 시스템은 오픈소스 배포를 위한 설계가 되어 있어, 헬스케어와 같은 기밀성 요구가 높은 분야에서의 실제 구현 가능성을 시사한다.
• 이 접근법은 SMC 오버헤드를 최소화하면서도 강력한 보안 보장을 유지함으로써, 보안 데이터 공유의 핵심적 성능 저하 요인을 해결한다.