[논문 리뷰] Design choices for productive, secure, data-intensive research at scale in the cloud

Diego Arenas, Jon Atkins외 23명|arXiv (Cornell University)|2019. 08. 23.

Privacy-Preserving Technologies in Data참고 문헌 12인용 수 7

한 줄 요약

이 논문은 소프트웨어 정의 인프라를 사용하여 데이터 민감도에 맞게 맞춤형 환경을 구현함으로써 확장성 있고 안전하며 생산적인 클라우드 환경에서의 데이터 집약적 연구를 위한 계층적 보안 프레임워크를 제안한다. 데이터 분류, 접근, 외부 이탈, 분석 환경에 대한 명확한 정책을 다섯 단계의 민감도 수준에 걸쳐 정의함으로써 보다 안전하고 규정 준수하며 협업이 가능한 연구를 가능하게 하며, 높은 수준의 민감도에 대해서는 별도의 심사자 검토를 포함한다.

ABSTRACT

We present a policy and process framework for secure environments for productive data science research projects at scale, by combining prevailing data security threat and risk profiles into five sensitivity tiers, and, at each tier, specifying recommended policies for data classification, data ingress, software ingress, data egress, user access, user device control, and analysis environments. By presenting design patterns for security choices for each tier, and using software defined infrastructure so that a different, independent, secure research environment can be instantiated for each project appropriate to its classification, we hope to maximise researcher productivity and minimise risk, allowing research organisations to operate with confidence.

연구 동기 및 목표

• 클라우드 환경에서 대규모로 안전하고 협업적이며 생산적인 데이터 과학 연구를 가능하게 하면서 유출 위험을 최소화하는 데 도전 과제를 해결한다.
• 다양한 프로젝트 요구사항에 걸쳐 민감한 연구 데이터를 표준화하고 확장성 있게 분류 및 보호하는 방법을 개발한다.
• 다른 데이터 민감도 수준에 맞게 별도로 구성 가능한 보안 정책을 정의함으로써 사용성과 보안의 균형을 맞춘다.
• 높은 민감도 수준에서의 분류 결정에 대해 독립적인 심사자 검토를 포함하는 거버넌스 모델을 수립한다.
• 재사용이 가능하고 소프트웨어 정의 인프라 기반의 모델을 제공하여 필요에 따라 독립적이고 프로젝트별로 설정 가능한 안전한 환경을 즉시 제공할 수 있도록 한다.

제안 방법

• 데이터 민감도를 다섯 단계(0–4)로 분류하며, 0단계는 비개인정보이고 4단계는 매우 민감한 개인정보이다.
• 다섯 단계의 보안 정책을 데이터 분류, 데이터 유입, 데이터 외부 이탈, 소프트웨어 유입, 사용자 접근, 장치 제어, 분석 환경의 일곱 차원에서 표준화한다.
• 구성 파일 기반으로 소프트웨어 정의 인프라(SDI)를 사용하여 자동으로 격리된, 프로젝트별로 특화된 안전한 환경을 구축한다.
• 연구자가 작성한 코드가 배포되기 전에 검토되고 승인될 수 있도록 제한된 소프트웨어 유입을 위한 '에어록 프로토콜'을 구현한다.
• 다른 사용자 자격 증명만을 사용하여 환경 및 사용자 구성을 제어하는 데이터베이스 기반 웹 기반 관리 애플리케이션을 통합한다.
• 특히 익명화 또는 가명화된 데이터에 대해선, 제2단계 이상의 민감도 수준에서 데이터 분류 결정을 독립적으로 검증하기 위해 심사자 회(Referee College)를 구축한다.

실험 결과

연구 질문

• RQ1 클라우드 환경에서 대규모로 데이터 과학 연구를 어떻게 높은 수준의 보안과 높은 생산성으로 동시에 달성할 수 있는가?
• RQ2 다양한 수준의 데이터 민감도를 고려할 때, 데이터 집약적 연구를 뒷받침하기 위해 필요한 체계적인 보안 정책 프레임워크는 무엇인가?
• RQ3 소프트웨어 정의 인프라는 어떻게 데이터 분류 수준에 맞는 격리된, 프로젝트별로 특화된 안전한 환경을 구현하는 데 사용될 수 있는가?
• RQ4 독립적인 분류 심사의 역할은 민감한 연구 데이터의 신뢰성과 규정 준수를 확보하는 데 어떻게 기여하는가?
• RQ5 데이터 기밀성이나 연구자의 생산성을 훼손하지 않으면서도 어떻게 안전하고 협업 가능한 연구를 가능하게 할 수 있는가?

주요 결과

• 제안된 계층적 프레임워크는 비개인정보(제0단계)에서 매우 민감한 개인정보(제4단계)에 이르기까지 데이터 민감도 수준에 맞는 보안 조치를 정렬함으로써 안전하고 확장성 있으며 생산적인 연구를 가능하게 한다.
• 연구 과정에서 동일한 연구에 여러 환경을 사용할 수 있으며, 데이터 민감도가 시간이 지남에 따라 변화함에 따라 동적으로 재분류 및 재등급이 가능하다.
• 특히 익명화 또는 가명화된 데이터에 대해선 높은 수준의 민감도(제2단계 이상)에서 데이터 분류 결정에 대한 독립적 심사자가 검토하는 것이 필수적이다.
• 소프트웨어 정의 인프라의 사용은 각 프로젝트가 격리되고 구성 가능하며 감사 가능한 안전한 환경을 확보할 수 있게 하여 보안성과 사용성을 모두 향상시킨다.
• 소프트웨어 유입을 위한 '에어록 프로토콜'은 연구자가 작성한 코드를 안전하고 통제된 방식으로 배포할 수 있게 하여 악성 또는 의도하지 않은 소프트웨어 실행 위험을 줄인다.
• 데이터베이스 기반 워크플로우를 갖춘 웹 기반 관리 시스템은 오직 전달된 자격 증명만을 사용하여 사용자 및 환경을 일관되고 감사 가능하며 안전하게 구성한다.