[논문 리뷰] Visor: Privacy-Preserving Video Analytics as a Cloud Service

Rishabh Poddar, Ganesh Ananthanarayanan외 3명|arXiv (Cornell University)|2020. 06. 17.

Security and Verification in Computing참고 문헌 95인용 수 10

한 줄 요약

Visor는 하이브리드 CPU-GPU 신뢰 실행 환경(TEE)을 활용하여, 악성 클라우드 환경이나 신뢰할 수 없는 공동 사용자와 같은 위협 상황에서도 비디오 스트림과 머신러닝 모델을 사이드 채널 공격으로부터 보호하는 프라이버시 보장 비디오 분석 시스템이다. 비밀스러운 솔루션 대비 최대 1000배의 성능 향상을 달성하면서도 비밀스럽지 않은 기반 성능 대비 오직 2배에서 6배의 오버헤드만을 유발한다.

ABSTRACT

Video-analytics-as-a-service is becoming an important offering for cloud providers. A key concern in such services is privacy of the videos being analyzed. While trusted execution environments (TEEs) are promising options for preventing the direct leakage of private video content, they remain vulnerable to side-channel attacks. We present Visor, a system that provides confidentiality for the user's video stream as well as the ML models in the presence of a compromised cloud platform and untrusted co-tenants. Visor executes video pipelines in a hybrid TEE that spans both the CPU and GPU. It protects the pipeline against side-channel attacks induced by data-dependent access patterns of video modules, and also addresses leakage in the CPU-GPU communication channel. Visor is up to $1000 imes$ faster than naïve oblivious solutions, and its overheads relative to a non-oblivious baseline are limited to $2 imes$--$6 imes$.

연구 동기 및 목표

• 클라우드 플랫폼이 해킹되거나 공동 사용자가 신뢰할 수 없는 상황에서 비디오 분석 서비스(비디오 분석 as a 서비스, VAaaS)에서 발생하는 프라이버시 泄露 문제를 해결하기 위해.
• 데이터에 따라 접근 패턴이 달라지는 공격을 악용하는 사이드 채널 공격으로부터 비디오 데이터와 머신러닝 모델을 보호하기 위해.
• 비디오 파이프라인에서 민감한 정보를 泄露할 수 있는 CPU-GPU 통신 채널을 보호하기 위해.
• 클라우드 환경에서 효율적이고 저비용의 프라이버시 보장 비디오 분석을 가능하게 하기 위해.
• 비밀스러운 계산의 성능 손실을 비디오 분석 워크로드에서 최소화하기 위해.

제안 방법

• 비디오 처리 파이프라인 전반에 걸쳐 격리와 기밀성을 보장하기 위해 CPU와 GPU를 모두 아우르는 하이브리드 TEE를 설계하기 위해.
• 비디오 모듈 내에서 데이터에 따라 접근 패턴이 달라지는 것을 방지하기 위해, 데이터 의존적 접근 패턴을 가림으로써 사이드 채널 泄露를 방지하는 무작위 알고리즘을 적용하기 위해.
• 암호화 및 접근 숨김 기법을 적용하여 CPU-GPU 통신 채널을 보호함으로써 정보 泄露를 방지하기 위해.
• 하드웨어 인식 설계를 통해 성능을 최적화하고, 무작위 실행의 오버헤드를 최소화하기 위해.
• 엔드 투 엔드 프라이버시 보장 비디오 분석을 지원하기 위해 클라우드 서비스 아키텍처에 시스템을 통합하기 위해.
• 실제 비디오 분석 워크로드를 사용하여 성능 및 보안 보장을 측정하기 위해 평가를 수행하기 위해.

실험 결과

연구 질문

• RQ1 멀티테넌트 클라우드 환경에서 사이드 채널 공격에 대비해 비디오 분석 파이프라인을 어떻게 보호할 수 있는가?
• RQ2 CPU-GPU 하이브리드 비디오 파이프라인에서 무작위 실행을 적용할 경우 성능 오버헤드는 얼마나 되는가?
• RQ3 실제 클라우드 서비스에 구현 가능한 효율적인 프라이버시 보장 비디오 분석이 가능할 수 있는가?
• RQ4 하이브리드 TEE는 손상된 클라우드 인fra 및 신뢰할 수 없는 공용 인프라로부터 비디오 데이터와 ML 모델을 효과적으로 보호할 수 있는가?
• RQ5 프라이버시 보장 비디오 분석에서 보안과 효율성 간의 성능 트레이드오프는 어떠한가?

주요 결과

• Visor는 비밀스럽지 않은 기반 성능 대비 오직 2배에서 6배의 오버헤드로 성능 손실를 최소화하여, 기존 비밀스러운 솔루션 대비 훨씬 효율적인 성능을 달성한다.
• Visor는 기존 비밀스러운 방법 대비 최대 1000배의 성능 향상을 달성하여 실시간 워크로드에 적용 가능한 프라이버시 보장 비디오 분석을 실현한다.
• 시스템은 비디오 처리 모듈 내에서 데이터 의존적 접근 패턴으로 인한 사이드 채널 泄露를 성공적으로 완화한다.
• Visor는 CPU-GPU 통신 채널을 보호하여 시간 또는 접근 패턴 분석을 통한 泄露를 방지한다.
• 하이브리드 TEE 설계는 손상된 클라우드 및 신뢰할 수 없는 공용 사용자로부터 비디오 콘텐츠와 머신러닝 모델을 효과적으로 보호한다.
• 평가 결과, Visor는 강력한 프라이버시 보장을 유지하면서도 클라우드 기반 비디오 분석에 적합한 성능을 제공하는 것으로 확인되었다.