[논문 리뷰] A Holistic View on Data Protection for Sharing, Communicating, and Computing Environments: Taxonomy and Future Directions

Ishu Gupta, Ashutosh Kumar Singh|arXiv (Cornell University)|2022. 02. 24.

Digital and Cyber Forensics인용 수 20

한 줄 요약

이 논문은 데이터가 정지(rest), 사용 중(use), 전송 중(motion)인 데이터에 대한 데이터 누출 방지 시스템(DLPTS)의 전체 분류 체계를 제시하고, 최신 접근법을 분석하며, 도전 과제와 향후 연구 방향을 개요합니다.

ABSTRACT

The data is an important asset of an organization and it is essential to keep this asset secure. It requires security in whatever state is it i.e. data at rest, data in use, and data in transit. There is a need to pay more attention to it when the third party is included i.e. when the data is stored in the cloud then it requires more security. Since confidential data can reside on a variety of computing devices (physical servers, virtual servers, databases, file servers, PCs, point-of-sale devices, flash drives, and mobile devices) and move through a variety of network access points (wireline, wireless, VPNs, etc.), there is a need of solutions or mechanism that can tackle the problem of data loss, data recovery and data leaks. In this context, the paper presents a holistic view of data protection for sharing and communicating environments for any type of organization. A taxonomy of data leakage protection systems and major challenges faced while protecting confidential data are discussed. Data protection solutions, Data Leakage Protection System's analysis techniques, and, a thorough analysis of existing state-of-the-art contributions empowering machine learning-based approaches are entailed. Finally, the paper explores and concludes various critical emerging challenges and future research directions concerning data protection.

연구 동기 및 목표

• 데이터가 저장된 상태, 사용 중인 상태, 전송 중인 상태에서 Confidential 데이터 보호의 중요성을 강조합니다.
• 데이터 누출 방지 시스템(DLPT S) 솔루션을 분류하고 그 강점과 약점을 식별합니다.
• ML 기반 접근 방식을 포함하여 상태 전반에 걸친 데이터를 보호하기 위한 DLPTSs 분석 기법과 배치 방식을 조사합니다.
• 데이터 보호에 대한 emergent 과제들을 식별하고 조직의 데이터 누출 완화 전략에 대한 향후 연구 방향을 제시합니다.
• 데이터 누출의 거버넌스 영향과 산업 전반의 조직에 대한 완화 전략을 논의합니다.

제안 방법

• 데이터 상태, 배치 스키마 및 수정 조치를 다루는 Data Leakage Protection Systems(DLPTS)의 분류 체계를 정의하고 설명합니다.
• 데이터 누출 방지(DLP)와 데이터 누출 탐지(DLD)를 구분하고, 데이터 상태 전반에 걸친 특성을 설명합니다.
• 맥락 기반, 내용 기반, 핑거프린트, 정규식(regex), 통계 방법, ML 접근법 등을 포함한 DLPTS 분석 기법을 검토 및 종합합니다.
• 데이터가 저장된 상태(Data-At-Rest), 사용 중인 데이터(Data-In-Use), 전송 중인 데이터(Data-In-Motion)에 대한 배치 고려사항을 분석하고 엔드포인트 에이전트와 네트워크 어플라이언스를 포함합니다.
• 정책/접근, 가상화, 암호화, 정량화, 사회/행동 분석, 데이터 식별, 데이터 마이닝 등 기존 접근 방식에 대한 강점/약점을 비교적으로 논의합니다.

실험 결과

연구 질문

• RQ1 데이터-정지, 데이터-사용, 데이터-이동 전반에 걸쳐 효과적인 데이터 보호를 저해하는 도전 과제는 무엇인가?
• RQ2 현재 DLPTS 접근 방식의 강점과 약점은 무엇이며 어떤 격차가 남아 있는가?
• RQ3 Emerging techniques(예: ML 기반 분석, 지문, 동적 분류)가 데이터 leaks를 어떻게 다루면서 데이터 유용성을 보존할 수 있는가?
• RQ4 오버헤드를 줄이고 정확도를 개선하며 다목적 보호 및 탐지를 가능하게 하는 미래 방향은 무엇인가?

주요 결과

• DLPTS는 엔드포인트와 네트워크 전반에서 세 가지 상태 모두에서 데이터를 보호하기 위한 맞춤형 전략을 사용하여 배치될 수 있습니다.
• 콘텐츠 기반 DLPTS(예: 지문, 정규식(regex), ML)가 일반적이지만, 정규식 기반 방법은 높은 오탐(false positives)을 초래하고 지문은 데이터 수정 시 실패할 수 있습니다.
• 데이터 상태, 배치 스키마, DLPTS 분석 기법 및 수정 조치를 연결하는 분류 체계가 접근 방식의 구성 및 비교를 도와줍니다.
• 데이터 누출 경로, 인간 요인, 접근 권한, 암호화/스테가노그래피, 데이터 수정, 확장성, 데이터 분류를 포함한 일곱 가지 도전 과제가 데이터 보호를 형성합니다.
• 미래 연구 방향은 데이터 유용성과 보안을 균형 있게 유지하고, 동적이며 다목적인 DLPTS를 개발하며, 오버헤드를 줄이고 탐지 정확도를 향상시키는 데 중점을 둡니다.