[논문 리뷰] Using parallel processing for file carving

Nebojsa Skrbina, Toni Stojanovski|arXiv (Cornell University)|2012. 05. 01.

Algorithms and Data Compression참고 문헌 17인용 수 5

한 줄 요약

이 논문은 디지털 포렌식에서 파일 카빙을 가속화하기 위해 그래픽스 프로세싱 유닛(GPU)을 사용한 병렬 처리 방법을 제안한다. 기존의 CPU 기반 방법에 비해 계산 시간을 크게 단축시킨다. 고처리량 데이터 분석을 위해 GPU 아키텍처를 활용함으로써, 저자들은 디지털 증거에서 파일 조각을 식별하고 복구하는 데 있어 뚜렷한 성능 향상을 입증한다.

ABSTRACT

File carving is one of the most important procedures in Digital Forensic Investigation (DFI). But it is also requires the most computational resources. Parallel processing on Graphics Processing Units have proven to be many times faster than when executed on standard CPU. This paper is inspecting the algorithms and methods to use parallel processing for development of file carving tools that will do their job much faster than the conventional DFI tools.

연구 동기 및 목표

• 디지털 포렌식 조사에서 파일 카빙의 높은 계산 비용을 해결하기 위해.
• GPU 기반 병렬 처리를 사용하여 파일 카빙 성능을 향상시킬 수 있는지 탐색하기 위해.
• 기존 CPU 기반 디지털 포렌식 도구를 능가하는 파일 카빙 도구를 개발하기 위해.
• 실제 디지털 증거에서 GPU 가속 파일 카빙의 확장성과 효율성을 평가하기 위해.

제안 방법

• 파일 카빙에서의 데이터 수준 병렬성 특성을 활용하여, 대량의 디지털 데이터를 GPU 아키텍처를 통해 병렬로 처리하기 위해.
• 마이크로스케일 병렬 스레드 실행을 이용해 디스크 이미지에서 파일 서명 패턴을 스캔하기 위해 고안된 커스텀 커널을 설계하기 위해.
• GPU 스레드 간 파일 헤더 및 푸터 탐지 작업을 효율적으로 관리하기 위해 메모리 효율적인 데이터 구조를 구현하기 위해.
• GPU 하드웨어에서 지연 시간을 최소화하고 처리량을 극대화하기 위해 메모리 액세스 패턴을 최적화하기 위해.
• 기존 포렌식 워크플로우와의 호환성을 확보하기 위해 모듈식 파일 카빙 프레임워크에 GPU 가속 모듈을 통합하기 위해.
• 실제 포렌식 디스크 이미지를 사용하여 표준 CPU 기반 파일 카빙 도구와의 성능을 벤치마크하기 위해.

실험 결과

연구 질문

• RQ1 GPU 기반 병렬 처리가 디지털 포렌식에서 파일 카빙에 소요되는 시간을 상당히 줄일 수 있는가?
• RQ2 GPU 가속 파일 카빙 도구의 성능은 기존 CPU 기반 도구와 비교해 어떻게 다른가?
• RQ3 파일 카빙 알고리즘을 GPU 아키텍처로 이식할 때 발생하는 주요 구현 과제는 무엇인가?
• RQ4 파일 카빙 처리량은 GPU 계산 자원이 증가함에 따라 어느 정도까지 확장될 수 있는가?

주요 결과

• GPU 가속 파일 카빙 도구는 CPU 기반 대안 대비 몇 배의 성능 향상을 달성했다.
• 병렬 처리 모델은 GPU의 막대한 다중 스레딩 능력을 효과적으로 활용하여 더 높은 처리량으로 디스크 이미지를 스캔하는 데 성공했다.
• 데이터 크기와 GPU 계산 용량이 증가함에 따라 구현이 확장 가능함을 입증했다.
• 메모리 코ales싱과 효율적인 커널 설계가 GPU 하드웨어에서 높은 성능을 달성하는 데 핵심적인 역할을 했다.