[논문]클라우드 컴퓨팅 환경의 데이터 신뢰 확보

정임영; 조인순; 유영진

doi:10.7840/kics.2011.36b.9.1066

클라우드 컴퓨팅 환경의 데이터 신뢰 확보
Trust Assurance of Data in Cloud Computing Environment 원문보기

한국통신학회논문지. The Journal of Korea Information and Communications Society. 네트워크 및 서비스, v.36 no.9B, 2011년, pp.1066 - 1072

정임영 (서울대학교 컴퓨터공학부 분산컴퓨팅시스템 연구실) , 조인순 (서울대학교 컴퓨터공학부 분산컴퓨팅시스템 연구실) , 유영진 (서울대학교 컴퓨터공학부 분산컴퓨팅시스템 연구실)

초록
AI-Helper

가상화를 통해 원하는 만큼의 컴퓨팅 파워와 데이터 저장 공간을 제공하면서도 관련된 IT자원의 유지보수 비용과 관리에서는 사용자를 해방시켜주는 많은 장점에도 불구하고, 클라우드 컴퓨팅이 가까운 미래에 실질적인 서비스로 자리잡고 활성화를 위해서는 먼저 넘어야 할 장벽들이 있다. 즉, 사용자의 제어 너머에 있는 클라우드 컴퓨팅 환경이 IT서비스와 인프라에 대해 사용자에게는 이용권만을 주기 때문에 비롯되는 여러 문제들이 생기게 된다. 가장 큰 이슈 중의 하나는 클라우드에 저장되는 정보의 보호 및 신뢰성 확보이다. 본 논문에서는 provenance 통한 클라우드 상의 데이터 신뢰확보에 대한 효과적이고 유용한 해법을 제안한다.

Abstract ▼ AI-Helper

Cloud Computing Environment provides users with a blue print of IT Utopia with virtualization; unbounded computing power and data storage free from the cost and the responsibility of maintenance for the IT resources. But, there are several issues to be addressed for the Cloud Computing Environment to be realized as the blue print because users cannot control the IT resources provided by the Cloud Computing Environment but can only use them. One of the issues is how to secure and to trust data in the Cloud Computing Environment. In this paper, an efficient and practical trust assurance of data with provenance in Cloud Computing Environment.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

Provenance가 데이터 신뢰 확인의 근간이 되는 가치 있는 정보가 되기 위해서, 또 provenance를 통한 데이터의 신뢰확인이 의미를 가지기 위해서는 데이터 뿐만 아니라 provenance의 신뢰확인부터 해결이 되어야 한다. 따라서, 본 논문에서는 클라우드 컴퓨팅 환경에서 provenance를 통한 데이터 신뢰확인에서 이슈가 되는 효과적인 provenance의 신뢰확인을 통한 데이터의 신뢰확보 방안을 제안한다.
본 논문에서는 클라우드 컴퓨팅 환경에서 proven- ance를 통한 데이터의 신뢰확인을 위한 실용적이고 효율적인 방안을 제안하였다. 클라우드 컴퓨팅환경은 IT자원의 가상화를 통해 사용자의 다양한 요구를 수용할 수 있는 비전을 제시하여 학계 뿐 아니라 산업계의 주목을 받고 있다.
그러나 클라우드 환경이 활성화 되기 위해서는 정보보안 문제가 해결되어야 한다. 본 논문은 클라우드 상의 정보에 대한 provenance 를통한 효과적인 신뢰확인 방안을 제안하였다. 일반적으로 Provenance를 통한 데이터의 신뢰확인이 상당한 부담이 되는 이유는 provenance chain을 따라 데이터의 causality를 검증하는 것이기 때문인데, 본 논문은 데이터와 관련 provenance의 무결성 검증을 해쉬와 클라우드 개인키로의 인증 open board 상의 검증 데이터의 공개 게시를 통해 보안성, 효율성을 동시에 확보하고 있다.

제안 방법

Artifact는 데이터 사이즈 300MB, 200MB, 1000MB, 20MB, 2MB, 81KB 에대해 측정을 해보았다. 본 제안에서의 시간적 오버헤드는 hashing time, PKI 기반의 encryption time, 그리고" PKI 기반의 decryption time, hash verification time을 들 수 있다 이들에 대한 구체적인 오버헤드는 다음과 같이 측정되었다.
2〔”1와 QuickHash library㈤를 이용하여, hash와 RSA PKI 알고리즘을 적용하였다. 각 artifact 의 provenance 는 artifact의 생성자, 생성시각, 생성환경, 참고자료와 메모로 구성되고, 1KB이하로 두었다. Artifact는 데이터 사이즈 300MB, 200MB, 1000MB, 20MB, 2MB, 81KB 에대해 측정을 해보았다.
그러나, 본 제안에서는 각 artifact의 해쉬값을 저장함으로써 과거 데이터의 무결성을 증명하고, provenance 역시 데이터의 진화에 따라 그 양이 커져 검증이 힘든 부분을 해쉬를 통한 증빙으로 그 무결성을 검증할 수 있다. 넷째, 본 제안에서는 open board 를 통한 해쉬값을 게시함으로써 누구나 검증이 가능한 투명한 검증을 제공하고 해쉬값은 사용자의 확인하에 게시가 되는 것이기 때문에 게시된 정보에 대한 고의적인 변경이 힘들도록 했다. 사용자도 게시된 정보는 local computer0!] 저장을 해서 이후에 검증을 위한 자료로 활용할 수 있기 때문에 고의적인 삭제가 의미가 없도록 했다.
그런데, 가장 큰 문제는 내가 보관한 데이터 모두가 제대로 보관되고 있는지를 확인하고 싶은데, 단순히 클라우드를 믿는 방법 이외에는 이를 확인할 방법이 현재의 클라우드에서는 제공되고 있지 않는 부분이 문제가 된다. 본 논문에서는 데이터와 provenance를 클라우드에 보관을 하지만, 이에 대한 저장 무결성에 대한 확인 근거는 공개적으로 포스팅을 함과 동시에 사용자가 보관을 하는 방법을 이용해서 저장 무결성을 확인하는 방법을 제안한다.
본 논문의 구성은 2장에서 클라우드 컴퓨팅 환경에서 provenance 관리 모델을 기술하고, 효과적인 provenance와 데이터의 신뢰검증 방안을 제안한다. 3 장에서는 본 제안의 오버헤드를 여러 관점에서 분석하여 제안의 효용과 가치를 평가한다.
본 논문은 클라우드 상의 정보에 대한 provenance 를통한 효과적인 신뢰확인 방안을 제안하였다. 일반적으로 Provenance를 통한 데이터의 신뢰확인이 상당한 부담이 되는 이유는 provenance chain을 따라 데이터의 causality를 검증하는 것이기 때문인데, 본 논문은 데이터와 관련 provenance의 무결성 검증을 해쉬와 클라우드 개인키로의 인증 open board 상의 검증 데이터의 공개 게시를 통해 보안성, 효율성을 동시에 확보하고 있다.
그런데, 기존 연구들은 기반 system component들을 바꿀 수 있는 가정하에 데이터의 신뢰확인을 위해 provenance를 이용하는 방안을 보여주고 있다 클라우드 환경은 기반 시스템 환경 및 서비스들을 제어할 수 없는 환경이다. 즉, 클라우드 컴퓨팅 환경의 기반 서비스와 인프라에 변경을 가하지 않으면서 provenance를 이용하여 데이터 신뢰를 확인하는 방안이 바람직하다 본 제안에서는 클라우드 환경의 서비스나 인프라에 어떤 제한도 가하지 않으면서 provenance를 관리하는 시스템을 모델화하고 있다. 그리고, 연구 [1]은 단순히 Cloud에 proven- ance를 저장하고 이를 access하는 protocol과 모델을 제시하는데 그치고 있다.
첫째, 클라우드 컴퓨팅환경에서 데이터의 신뢰 확인을 위한 provenance를 도입할 수 있는 모델을 제안했다. 둘째, provenance를 통한 데이터의 신뢰확인은 provenance의 무결성부터 검증이 되어야 의미가 있기 때문에, 본 제안에서 데이터의 무결성은 provenance의 무결성과 함께 검증되어 데이터 신뢰성 확인에 더 신뢰를 주게 된다.

대상 데이터

각 artifact 의 provenance 는 artifact의 생성자, 생성시각, 생성환경, 참고자료와 메모로 구성되고, 1KB이하로 두었다. Artifact는 데이터 사이즈 300MB, 200MB, 1000MB, 20MB, 2MB, 81KB 에대해 측정을 해보았다. 본 제안에서의 시간적 오버헤드는 hashing time, PKI 기반의 encryption time, 그리고" PKI 기반의 decryption time, hash verification time을 들 수 있다 이들에 대한 구체적인 오버헤드는 다음과 같이 측정되었다.
그리고, SP에 의해 C。상에서 제공되는 데이터 관리서비스(Data Management Service), 응용프로그램을 개발할 수 있는 플랫폼 제공 서비스 (Platform Provisioning Service), 고사양의 자원을 많이 요구하는 데이터 처리 서니]스(Data Processing Service), 사용자가 원하는 응용 프로그램 제공 서비스(Appli- cation Provisioning Service) 등에 대한 각 사용자의 서비스 이용이력 및 데이터의 저장 처리 이력을 관리하는 Provenance Management System0] 있다. 본 논문은 데이터 관리 서비스의 provenance 관리 시스템을 대상으로 논한다. 데이터와 provenance의 무결성과 보안관리를 위한 Co의 키관리 및 암복호화 관리를 담당하는 부분이 provenance management system 과 연계되어 SM의 관리를 받는다.

이론/모형

본 제안의 운영 오버헤드를 분석해보면 다음과 같다 실험환경은 Pentium 4 CPU 3.20 GHz, 3G RAM 상에서 crypto++ library 5.5.2〔”1와 QuickHash library㈤를 이용하여, hash와 RSA PKI 알고리즘을 적용하였다. 각 artifact 의 provenance 는 artifact의 생성자, 생성시각, 생성환경, 참고자료와 메모로 구성되고, 1KB이하로 두었다.

성능/효과

셋째, provenance를 통한 데이터의 신뢰 확인은 provenance chain 상의 artifact의 인과관계(causality)를 따라, 즉 arc를 따라 검증을 해가면, provenance chain의 길이만큼의 검증 오버헤드가 든다. 그러나, 본 제안에서는 각 artifact의 해쉬값을 저장함으로써 과거 데이터의 무결성을 증명하고, provenance 역시 데이터의 진화에 따라 그 양이 커져 검증이 힘든 부분을 해쉬를 통한 증빙으로 그 무결성을 검증할 수 있다. 넷째, 본 제안에서는 open board 를 통한 해쉬값을 게시함으로써 누구나 검증이 가능한 투명한 검증을 제공하고 해쉬값은 사용자의 확인하에 게시가 되는 것이기 때문에 게시된 정보에 대한 고의적인 변경이 힘들도록 했다.
사용자도 게시된 정보는 local computer0!] 저장을 해서 이후에 검증을 위한 자료로 활용할 수 있기 때문에 고의적인 삭제가 의미가 없도록 했다. 다섯째, 클라우드 컴퓨팅 환경에서 provenance management system이외의 다른 장치를 특별히 요구하지 않기 때문에 적용이 쉽고 본 제안의 운용을 위한 시간적, 공간적, 자원 요구량 관점에서의 오버 헤드는 크지 않아 효율적으로 provenance를 통한 데이터의 신뢰확인을 할 수 있는 장점이 있다.
둘째, provenance를 통한 데이터의 신뢰확인은 provenance의 무결성부터 검증이 되어야 의미가 있기 때문에, 본 제안에서 데이터의 무결성은 provenance의 무결성과 함께 검증되어 데이터 신뢰성 확인에 더 신뢰를 주게 된다. 셋째, provenance를 통한 데이터의 신뢰 확인은 provenance chain 상의 artifact의 인과관계(causality)를 따라, 즉 arc를 따라 검증을 해가면, provenance chain의 길이만큼의 검증 오버헤드가 든다.
따라서, 본 논문의 제안은 데이터와 provenance의 무결성을 모두 확인하여 provenance를 이용한 데이터의 신뢰확인의 방법적인 면에서도 신뢰를 획득할 수 있고 시간적, 공간적 부담도 크지 않고 적용도 쉬운 효율적인 방안이 된다. 그리고 Cloud 컴퓨팅 환경에서 데이터 신뢰확인이란 과제가 풀리지 않은 현시점에 provenance를 이용하여 데이터의 신뢰를 확인하는 선구적인 모델과 방법으로서의 의의를 가지게 된다.
본 제안의 시간과 공간 오버헤드를 전반적으로 분석해보면, 클라우드에 저장되는 데이터의 크기에 따라 달라지기는 하지만, 20MB 정도의 데이터라고 하더라도 각 artifact당 1초 미만, 2MB 이하는 0.1 sec가 채 되지 않는 오버헤드를 가진다. 사양이 좋은 클라우드 상의 IT자원을 이용한다면 이 오버헤드는 인터넷을 통한 클라우드에의 데이터 저장시간에 비해 추가적인 오버헤드를 발생시키지 않을 것임이 예상된다.
둘째, provenance를 통한 데이터의 신뢰확인은 provenance의 무결성부터 검증이 되어야 의미가 있기 때문에, 본 제안에서 데이터의 무결성은 provenance의 무결성과 함께 검증되어 데이터 신뢰성 확인에 더 신뢰를 주게 된다. 셋째, provenance를 통한 데이터의 신뢰 확인은 provenance chain 상의 artifact의 인과관계(causality)를 따라, 즉 arc를 따라 검증을 해가면, provenance chain의 길이만큼의 검증 오버헤드가 든다. 그러나, 본 제안에서는 각 artifact의 해쉬값을 저장함으로써 과거 데이터의 무결성을 증명하고, provenance 역시 데이터의 진화에 따라 그 양이 커져 검증이 힘든 부분을 해쉬를 통한 증빙으로 그 무결성을 검증할 수 있다.

후속연구

향후 연구는 클라우드 컴퓨팅 환경에서 데이터 신뢰 확인에 대한 질적, 양적 지표 설정으로 본 제안을 확장할 것이다.

참고문헌 (22)

Kiran-Kumar Muniswamy-Reddy, Peter Macko, and Margo Seltzer, "Provenance for the Cloud", in Proceedings of 8th USENIX Conference on File and Storage Technologies (FAST '10), Feb 2010
Kiran-Kumar Muniswamy-Reddy and David A. Holland, "Causality-Based Versioning", ACM Transactions on Storage (ACM TOS), Dec 2009
Wikipedia, http://en.wikipedia.org/wiki/Cloud_computing
H. Erdogmus, "Cloud computing: Does nirvana hide behind the nebula?", IEEE Software 11, 2 (March-April 2009), pp.4-6.
I. Foster, Y. Zhao, I. Raicu, and S. Lu, "Cloud computing and grid computing 360-degree compared", In Proceedings of Grid Computing Environments Workshop, GCE'08 (Austin, TX, 2008), pp.1-10.
R. Gellman, "Privacy in the clouds: Risks to privacy and confidentiality from cloud computing", Tech. rep., February 2009
Pubchem, http://pubchem.ncbi.nln.nih.gov/
Genbank, Nucleic Acids Research 36 (Database Issue) (Jan. 2008)
R. Hasan, R. Sion, and M. Winslett, "Introducing secure provenance: problems and challenges", In Proceedings of ACM workshop on Storage security and survivabilit, StorageSS '07 (Alexandria, Virginia, USA, October 2007), pp.13-18.
L. M. Kaufman, "Data security in the world of cloud computing", IEEE Security & Privacy 7, 4 (July-Aug. 2009), pp.61-64.

상세보기
Luc Moreau, Ben Clifford, Juliana Freire, Joe Futrelle, Yolanda Gil, Paul Groth, Natalia Kwasnikowska, Simon Miles, Paolo Missier, Jim Myers, Beth Plale, Yogesh Simmhan, Eric Stephan, Jan Van den Bussche, "The Open Provenance Model core specification (v1.1)", Future Generation Computer Systems, 2010, doi:10.1016/j.future. 2010. 07. 005
T. Sterling, and D. Stark, "A high-performance computing forecast: Partly cloudy", Computing in Science & Engineering 11, 4 (July-Aug. 2009), pp.42-49.

상세보기
J. Voas, and J. Zhang, "Cloud computing: New wine or just a new bottle?", IT Professional 11, 2 (March-April 2009), pp.15-17.

상세보기
Crypto++ library 5.5.2, available at http://www.cryptopp.com/
QuickHash Library, available at http://www.slavasoft.com/quickhash/index.htm
Z. CHEN, AND L. MOREAU, "Implementation and evaluation of a protocol for recording process documentation in the presence of failures." In Proceedings of Second International Provenance and Annotation Workshop (IPAW'08).
I. FOSTER, J. VOECKLER, M. WILDE, AND Y. ZHAO, "The Virtual Data Grid: A New Model and Architecture for Data-Intensive Collaboration.", In CIDR (Asilomar, CA, Jan. 2003).
P. GROTH, L. MOREAU, AND M. LUCK, "Formalising a protocol for recording provenance in grids. In Proceedings of the UK OST e-Science Third All Hands Meeting 2004 (AHM'04) (Nottingham,UK, Sept. 2004). Accepted for publication.
Y. L. SIMMHAN, B. PLALE, AND D. GANNON, "A framework for collecting provenance in data-centric scientific workflows", In ICWS '06: Proceedings of the IEEE International Conference on Web Services (2006).
R. Bose, "A conceptual framework for composing and managing scientific data lienage", In Proceedings of the 14th International Conference on Scientific and Statistical Database Management, pp.15？19, 2002.
A. de Keijzer and M. van Keulen, "Quality measures in uncertain data management", Scalable Uncertainty Management, 4772:pp.104-115, 2007.
A. Chapman, B. Blaustein and C. Elsaesser, "Provenance based belief", in Proceedings of the 2nd Workshop on the Theory and Practice of Provenance, July 2010.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증