[論文レビュー] Towards Practical Oblivious RAM

Emil Stefanov, Elaine Shi+1 more|arXiv (Cornell University)|Jun 18, 2011

Cryptography and Data Security参考文献 9被引用数 150

ひとこと要約

本稿では、Oblivious RAM (O-RAM) の実用的構成を提示しており、新たなパーティショニング技術を導入することで、平均的オーバーヘッドを20–35×に抑え、従来の最良手法と比較して最大63倍高速化を達成している。この技術では、O-RAMをより小さな独立管理可能なパーティションに分割し、サーバー側のパーティション間を盲目的にブロックをシャッフルするバックグラウンドの排出メカニズムを用いる。この方法により、クライアントのストレージをO-RAM容量の最小限の定数倍にまで削減しつつ、非線形の最悪ケースコストと定数のラウンドトリップ遅延を維持できる。

ABSTRACT

We take an important step forward in making Oblivious RAM (O-RAM) practical. We propose an O-RAM construction achieving an amortized overhead of 20X-35X (for an O-RAM roughly 1 terabyte in size), about 63 times faster than the best existing scheme. On the theoretic front, we propose a fundamentally novel technique for constructing Oblivious RAMs: specifically, we partition a bigger O-RAM into smaller O-RAMs, and employ a background eviction technique to obliviously evict blocks from the client-side cache into a randomly assigned server-side partition. This novel technique is the key to achieving the gains in practical performance.

研究の動機と目的

• 強固な理論的保証があるものの、長年の実用的ギャップが残るOblivious RAM (O-RAM) の課題に取り組むこと。
• 現行のO-RAM方式では実用的環境下で1,400×を超える高い平均的および最悪ケースのオーバーヘッドを軽減すること。
• 最小限のクライアント側ストレージと低遅延を維持しつつ、クラウドストレージにおける効率的でプライベートなデータアクセスを可能にする構成を設計すること。
• より優れた漸近的および実用的パフォーマンスを実現する、新たな再帰的パーティショニング技術を検討すること。

提案手法

• 大規模なO-RAM（サイズ$N$ブロック）を$P$個の小さなO-RAMに分割し、それぞれのサイズを$\sqrt{N} + \epsilon$ブロックにすることで、局所的かつ効率的な管理を可能にする。
• バックグラウンドの排出プロセスにより、クライアント側キャッシュのブロックがサーバー側のパーティションにランダムに割り当てられ、アクセスパターンが隠蔽される。
• 各ブロックに、そのパーティションとレベルに基づく擬似乱数関数（PRF）を用いて一意のエイリアスが割り当てられ、クライアントがブロックを取得する際に実際の識別子を露呈しない。
• 位置マップはエントロピーに基づく符号化とビットパック技術を用いて圧縮され、平均ブロックあたりのストレージが0.255バイトにまで削減される。
• 共有されたバーデルモンド行列を用いた行列圧縮により、アップロード時の帯域幅を2倍に削減可能。2k個のブロック（半分が本物、半分がダミー）に対して$k$個の係数のみを送信する。
• 実用的構成を再帰的に適用することで、$O((\log N)^2)$の平均的および最悪ケースコストを達成する理論的O-RAMバージョンが得られ、クライアントストレージは$O(\sqrt{N})$に限定される。

実験結果

リサーチクエスチョン

• RQ1 実際のクラウドストレージ環境下で、従来手法と比べて著しく低いオーバーヘッドを実現する実用的O-RAM構成を設計できるか？
• RQ2 強力なプライバシー保証と低遅延を維持しつつ、クライアント側ストレージを最小限に抑える方法は何か？
• RQ3 新たなパーティショニングおよび排出メカニズムは、特に大規模なデータサイズ（例：テラバイト単位）の下で、パフォーマンスとプライバシーの両方を向上させられるか？
• RQ4 O-RAM構成におけるクライアントストレージ、サーバーストレージ、パフォーマンスの理論的および実用的トレードオフは何か？

主な発見

• 実用的O-RAM構成は、平均的オーバーヘッドが20–35×に抑えられ、典型的な設定下で、最良の従来手法と比較して63倍の高速化を達成した。
• 最悪ケースコストは$<3\sqrt{N}+o(\sqrt{N})$と非線形であり、従来の$O(N\log N)$の最悪ケース境界と比べて顕著に改善された。
• クライアント側ストレージは、O-RAM容量の0.01%から0.3%という極めて小さな割合にまで削減され、実用的展開では$\sqrt{N}$と同等の水準に近づいた。
• サーバー側ストレージは、理論的上限$4N+o(N)$を上回らず、効率的な排出と動的メモリ使用のおかげで、実測では$3.2N$ブロック未満に抑えられた。
• 共有されたバーデルモンド行列を用いた行列圧縮により、プライバシーを損なわず、アップロード時の帯域幅を2倍に削減可能。
• 実用的構成の再帰的適用により、$O((\log N)^2)$の平均的および最悪ケースコストを達成する理論的O-RAMが得られ、クライアントストレージはわずか$O(\sqrt{N})$に限定された。