[論文レビュー] ProvAbs: model, policy, and tooling for abstracting PROV graphs

Paolo Missier, Jeremy Bryans+3 more|arXiv (Cornell University)|Jun 8, 2014

Scientific Computing and Data Management参考文献 10被引用数 8

ひとこと要約

本稿では、感度の高いまたは複雑なノードを高レベルの抽象化にグループ化することで、PROVプロビジョニティグラフの抽象化を可能にするモデルおよびツール、ProvAbsを紹介する。この手法は、形式的なProvenance Abstraction Model (PAM) と、ノードに感度値と有用性値を割り当てるポリシー言語を統合し、受信者のクリアランスレベルに基づいた制御された情報開示を可能にする。また、インタラクティブなポリシー実験と残余有用性の測定を支援するProvAbsツールとして実装されている。

ABSTRACT

Provenance metadata can be valuable in data sharing settings, where it can be used to help data consumers form judgements regarding the reliability of the data produced by third parties. However, some parts of provenance may be sensitive, requiring access control, or they may need to be simplified for the intended audience. Both these issues can be addressed by a single mechanism for creating abstractions over provenance, coupled with a policy model to drive the abstraction. Such mechanism, which we refer to as abstraction by grouping, simultaneously achieves partial disclosure of provenance, and facilitates its consumption. In this paper we introduce a formal foundation for this type of abstraction, grounded in the W3C PROV model; describe the associated policy model; and briefly present its implementation, the Provabs tool for interactive experimentation with policies and abstractions.

研究の動機と目的

• データ共有におけるプロビジョニティの複雑さと機密性の管理の課題に対処し、機密性のあるまたは詳細なプロビジョニティ情報を抽象化することを可能にする。
• PROVグラフの安全かつ有効な抽象化を可能にする形式的モデルを開発し、ノードの集合を1つの抽象ノードに置き換える「Group」演算子を導入する。
• プロビジョニティ所有者がノードの抽象化を感度に基づいて指定できるポリシー言語を設計し、信頼に基づくアクセス制御をサポートする。
• ProvAbsツールを用いてアプローチを実装および評価し、ポリシー定義のインタラクティブなサポートと抽象化されたプロビジョニティグラフの可視化を実現する。
• 残余有用性指標を用いて、情報開示と有用性損失のトレードオフを定量的に測定する。

提案手法

• Provenance Abstraction Model (PAM) は、有効なPROVグラフPGにおけるノード集合V_grを、単一の抽象ノードに置き換える形式的「Group」演算子を導入し、グラフの有効性を保持するとともに、凸性制約によって新たなサイクルの発生を回避する。
• ポリシーモデルは、ユーザー定義のルールに基づき、各ノードvに対して感度値s(v, pol)を割り当てる。PROV-Nグラフ上でパス式とフィルタを用いて、抽象化の対象となるノードを特定する。
• 各受信者にはクリアランスレベルclが割り当てられる。s(v, pol) > cl を満たすノードがグループ化対象となり、信頼に基づくアクセス制御が可能になる。
• ポリシー言語は、正規表現の簡略化された断片を用い、descendantOfなどの演算子と、ノードプロパティ（例：data.Status ≥ Secret）に対するフィルタ条件をサポートする。
• ノードに有用性値u(n)を割り当て、元のグラフにおける全有用性に対する保持された有用性の比率である残余有用性RU_Vを計算する。
• ProvAbsツールは、グラフの保存にNeo4Jを、ポリシー評価にCypherクエリを使用し、感度値の可視化（色分けされたノード）と、残余有用性出力を伴う抽象化されたプロビジョニティグラフの生成を実装する。

実験結果

リサーチクエスチョン

• RQ1 構造的有効性を保ちつつ、複雑さを低減し、機密情報を保護する方法で、どのようにプロビジョニティグラフを抽象化できるか？
• RQ2 細かく制御された、信頼に基づくプロビジョニティメタデータの開示を可能にする形式的モデルとポリシー言語とは何か？
• RQ3 プロビジョニティ抽象化における情報開示と有用性損失のトレードオフを、どのように定量的に測定できるか？
• RQ4 ポリシー駆動の抽象化メカニズムは、どの程度、重要なプロビジョニティ関係を保持しつつ、機密性の高いまたは冗長な詳細を除去できるか？
• RQ5 ProvAbsツールは、抽象化ポリシーのインタラクティブな探索とその結果の可視化において、どの程度効果的か？

主な発見

• 「Group」演算子は、ノード集合を1つの抽象ノードに抽象化する際に、PROVグラフの有効性を保持し、新たなサイクルや無効な関係の発生を防ぐことに成功している。
• ポリシー言語は、パス式とプロパティベースのフィルタを用いて、ノードの抽象化対象を正確に選択でき、分類と構造的条件に基づいた感度値の割り当てを可能にする。
• 残余有用性指標RU_Vは、抽象化後の有用情報の損失を定量化し、高い値は証拠的コンテンツの良好な保持を示している。
• ProvAbsツールは、インタラクティブなポリシー定義、感度レベルの可視化（色分けノード）、および残余有用性出力を伴う抽象化されたプロビジョニティグラフの生成を成功裏に実装している。
• 高感度ノードのグループ化により、受信者のクリアランスレベルとポリシー設定に応じた制御されたプロビジョニティ開示が可能である。
• 本手法は、機密性を保持するインテリジェンス情報交換のユースケースで検証され、実世界のデータ共有シナリオにおける実用的応用性を示している。