[논문]버킷과 블룸필터를 혼합한 민감한 데이터 보안

유천영; 김지홍

doi:10.6109/jkiice.2012.16.5.939

버킷과 블룸필터를 혼합한 민감한 데이터 보안
The Secure Algorithm on the Sensitive data using Bloom filter and bucket method 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.16 no.5, 2012년, pp.939 - 946

유천영 (세명대학교 정보통신학부) , 김지홍 (세명대학교 정보통신학부)

초록
AI-Helper

최근 개인정보 유출 사건과 관련된 사고가 사회적 이슈가 되고 있다. 민감한 개인정보를 암호화하여 데이터를 보호한다면 정보 유출이 확실히 줄어들 것이다. 본 논문에서는 데이터 보호를 위한 기존의 연구 방법을 분석하고, 블룸필터 방식에 버킷을 혼합한 복합적인 방법으로 민감한 정보를 암호화하기 위하여 제안하였다. 가장 많이 사용되는 튜플 암호화 방식에 버킷인덱스 방식을 적용한 방식이다. 이 방식은 버킷정보로 인하여 데이터의 분포가 노출된다는 단점을 가진다. 이러한 버킷인덱스 방식의 데이터 노출 특성을 방지하기 위하여, 본 논문에서는 버킷인덱스와 블룸필터를 적용한 복합적인 암호화방식을 제안한다. 제안된 방식의 특징은 데이터의 노출을 방지할 뿐 아니라 데이터베이스의 검색성능을 향상시킨다.

Abstract ▼ AI-Helper

Recently privacy breaches has been an social issues. If we should encrypt the sensitive information in order to protect the database, the leakage of the personal sensitive data will be reduced for sure. In this paper, we analyzed the existing protection algorithms to protect the personal sensitive data and proposed the combined method using the bucket index method and the bloom filters. Bucket index method applied on tuples data encryption method is the most widely used algorithm. But this method has the disadvantages of the data exposure because of the bucket index value presented. So we proposed the combined data encryption method using bucket index and the bloom filter. Features of the proposed scheme are the improved search performance of data as well as the protection of the data exposure.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 민감한 숫자 범위형 데이터 검색 방식만을 제안하고 있기 때문에 고객정보 데이터 중에서 주민등록 번호에 대한 표 1 과 같은 버킷 데이터 예를 이용하고, 쿼리문에도 이용하고자 한다. 본 논문에서의 실험은 10만명의 데이터베이스로 8등급, 4등급, 2등급 각각으로 적용하여 동일값과 범위값을 실험하였다.
본 논문에서는 버킷방식과 블룸필터 방식을 결합한 민감한 데이터 보안을 위해 검색방법을 제안하고 실험하였다. 평문 검색방식의 경우 해당 테이블에 존재하는 데이터 값그대로 쿼리하기때문에 쉽게노출이 된다.
본 논문에서는 외부 DB 서버에 저장되는 고객들의 개인 정보 데이터 중에서 가장 민감한 숫자 데이터(주민등록번호) 만을 제안하고자 한다. 고객들의 출생년도를 일정한 범위로 분리되는 버킷을 설정할 때 먼저 구간별로 버킷을 설정한다.
본 논문에서는 제안한 고객의 민감한 데이터 보안을 위한 검색 실험을 하였다. 실험에 사용된 환경으로는 컨텐츠 업체에서는 Windows 7 Home Premium K 의 운영체제와 Visual C# 2010을 데이터 검색용으로 사용하였고, 외부 DB 관리 업체(DAS)에서는 Windows 7 Home Premium K 인 운영체제와 MS SQL Server 2008을 DB 서버로 사용하였다.

제안 방법

2장에서는 데이터 암호화를 위한 최근 연구인 버킷기반 (bucket based Index) 방식, Fragmentation Based(분단 기반) 방식, 블룸필터(bloom filter) 방식을 알아보고, 3장에서는 보다 효율적인 구조인 민감한 정보의 보안을 위한 방법을 제시한다. 개인 데이터 중에서 가장 민감한 데이터(주민등록번호)만을 제안 한다. 고객들의 출생년도를 일정한 범위로 버킷을 설정한다.
본 논문에서 제안하는 방식은 블룸 필터와 버킷을 결합하여 적용한 데이터베이스 검색이다. 검색하려는 키워드의 버킷값을 해싱하여 블룸필드에 삽입된 비트와 비교한다. 이 방식으로 버킷을 8등급으로 가정 했을 때 위와 동일한 검색은 버킷 결과 값이 “ε”이고, 해싱 결과값이 { 3, 13, 135 }로 생성되었을 때에 쿼리문으로는 “SELECT E_Tuple FROM Company WHERE (CONVERT(bit, SUBSTRING([bloom], 3,1)) & 1) = 1 AND (CONVERT(bit, SUBSTRING([bloom], 13,1)) & 1) = 1 AND (CONVERT(bit, SUBSTRING([bloom], 135,1)) & 1) = 1 ” 이 된다.
이것만으로는 원본의 의미를 공격자는 전혀 알지 못하기 때문에 데이터의 노출이 불가능하다. 또한, 버킷을 적용한 방식에서는 버킷의 단위를 줄이면 줄일수록 원본 추측 가능성이 커지고 False Positive 확률이 커지지만, 제안하는 방식에서는 버킷의 단위를 줄이더라도 원본 추측 가능성이 전혀 없고, False Positive 확률이 적어서 보다 나은 데이터 보안 방안을 제공한다.
이제 본 논문에서 제안하는 민감한 데이터인 숫자 범위형 검색의 쿼리를 확인한다. 범위 검색을 8등급, 4등급, 2등급별로 구분하여 각각의 DB를 만들고 테스트를 하였다. 평문 데이터베이스에서 범위 검색방식을 먼저보면, 1980년도에서 1989년도까지의 데이터를 검색하는 쿼리를 보낼 때 “ SELECT * FROM Company WHERE Jumin like ‘8%' ” 가 된다.
본 논문에서 제안하는 방식은 블룸 필터와 버킷을 결합하여 적용한 데이터베이스 검색이다. 검색하려는 키워드의 버킷값을 해싱하여 블룸필드에 삽입된 비트와 비교한다.
본 논문에서 제안하는 블룸 필터와 버킷을 결합한 방식은, 민감한 숫자 데이터에 동일한 크기의 버킷을 적용하고, 적용한 버킷 값을 해싱한 결과를 Bloom 필드와 비교하는 특성으로 DB 원본이나, 쿼리 에도 버킷의 해싱 결과만이 노출이 된다. 이것만으로는 원본의 의미를 공격자는 전혀 알지 못하기 때문에 데이터의 노출이 불가능하다.
제안한 방법인 버킷(Bucket) 방식과 블룸필터(Bloom filter) 방식을 결합한 방식의 안전성을 증명한다. 실험은 8등급, 4등급, 2등급 각각으로 적용하여 동일값과 범위값을 실험하였다. 마지막으로 5장에서 결론으로 마무리한다.
이제 본 논문에서 제안하는 민감한 데이터인 숫자 범위형 검색의 쿼리를 확인한다. 범위 검색을 8등급, 4등급, 2등급별로 구분하여 각각의 DB를 만들고 테스트를 하였다.

대상 데이터

본 논문에서는 민감한 숫자 범위형 데이터 검색 방식만을 제안하고 있기 때문에 고객정보 데이터 중에서 주민등록 번호에 대한 표 1 과 같은 버킷 데이터 예를 이용하고, 쿼리문에도 이용하고자 한다. 본 논문에서의 실험은 10만명의 데이터베이스로 8등급, 4등급, 2등급 각각으로 적용하여 동일값과 범위값을 실험하였다.
본 논문에서는 제안한 고객의 민감한 데이터 보안을 위한 검색 실험을 하였다. 실험에 사용된 환경으로는 컨텐츠 업체에서는 Windows 7 Home Premium K 의 운영체제와 Visual C# 2010을 데이터 검색용으로 사용하였고, 외부 DB 관리 업체(DAS)에서는 Windows 7 Home Premium K 인 운영체제와 MS SQL Server 2008을 DB 서버로 사용하였다. 평문 데이터베이스와 버킷 적용 데이터베이스, 제안하는 블룸과 버킷을 혼합 적용한 데이터베이스 순으로 실험 결과를 확인한다.

이론/모형

그림 3은 실험을 위한 평문 데이터베이스이며, 이와 동일 시 되는 데이터를 버킷 방식과 제안하는 방식의 데이터베이스에도 적용한다. 또한 버킷방식과 제안 방식의 암호화 과정(E_Tuple 필드)은 AES 암호 알고리즘을 사용하였다.
1 절에서 기술했듯이 해당 범위의 버킷 값을해싱한 결과가저장되었고, Bloom 필드는 256비트를 배열에 문자형으로 저장되었다. 저장방식은 해쉬 알고리즘인 MD5, SHA-1, SHA256 의 3종류를 사용해서 원본의 각 필드에 해당하는 버킷 값을 해싱한 3개씩의 해쉬 값을 Bloom 필드에 적용하여 저장 되었다.

성능/효과

실험 결과로 확인할 수 있듯이 제안하는 방식이 시간이 조금 더 많이 걸린다. 하지만, 버킷을 적용한 보안 방법에서는 버킷의 단위를 줄이면 줄일수록 원본 데이터 추측가능성이 더욱 더 커지고 False Positive 확률이 커지지만, 본 논문에서 제안하는방법은 버킷단위를 훨씬더 줄이더라도 데이터의 추측 가능성이 전혀 없고, False Positive 확률이 적어서 데이터 보안에 더 효율적임을 확인 할 수 있다.
4장에서는 제안한 방법에 대한 실험 및 결과를 분석 한다. 제안한 방법인 버킷(Bucket) 방식과 블룸필터(Bloom filter) 방식을 결합한 방식의 안전성을 증명한다. 실험은 8등급, 4등급, 2등급 각각으로 적용하여 동일값과 범위값을 실험하였다.
실험 결과로 확인할 수 있듯이 제안하는 방식이 시간이 조금 더 많이 걸린다. 하지만, 버킷을 적용한 보안 방법에서는 버킷의 단위를 줄이면 줄일수록 원본 데이터 추측가능성이 더욱 더 커지고 False Positive 확률이 커지지만, 본 논문에서 제안하는방법은 버킷단위를 훨씬더 줄이더라도 데이터의 추측 가능성이 전혀 없고, False Positive 확률이 적어서 데이터 보안에 더 효율적임을 확인 할 수 있다.

후속연구

향후에는 본 논문의 결과로서 제시된 데이터베이스 보안 방법을 숫자형 데이터베이스 뿐 아니라, 문장형 데이터를 포함하는 모든 필드에 버킷과 블룸 필터를 적용하기 위한연구를 진행할예정이다. 또한 본 논문의 결과는 각종 민감 데이터를 보관하고 있는 데이터베이스의 보안과 검색 성능을 향상시키기 위한 분야에 활용될 수 있을 것으로 기대된다.
향후에는 본 논문의 결과로서 제시된 데이터베이스 보안 방법을 숫자형 데이터베이스 뿐 아니라, 문장형 데이터를 포함하는 모든 필드에 버킷과 블룸 필터를 적용하기 위한연구를 진행할예정이다. 또한 본 논문의 결과는 각종 민감 데이터를 보관하고 있는 데이터베이스의 보안과 검색 성능을 향상시키기 위한 분야에 활용될 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	데이터베이스 암호화 방식은 어떻게 구분되는가?	데이터베이스를 암호화함으로서 외부 DB 관리자로 부터의 위험과데이터 분실위험에 대비할수 있으며, 또한 클라이언트와 서버 간에도 암호화된 데이터만이 있기 때문에 노출 및 불법 도청의 위험도 방지할 수 있다[2]. 데이터베이스 암호화 방식으로는 레코드 단위, 튜플 단위, 속성 단위의 암호화 방식으로 구분할 수 있다. 레코드단위의 암호화 방식의 경우 DB 서버와 클라이언트간의 통신량이 증가하고, 클라이언트에서 복호해야 할 데이터양도 크게 증가한다.
	속성단위의 암호화방식은 어떤 장점이 있는가?	레코드단위의 암호화 방식의 경우 DB 서버와 클라이언트간의 통신량이 증가하고, 클라이언트에서 복호해야 할 데이터양도 크게 증가한다. 속성단위의 암호화방식은 민감한 데이터만을 암호화 하는 장점이 있는 반면에 암호화를 하기 위해 너무 많은 패딩이 필요한 단점이 있다. 튜플 방식의 암호화 방식은 해당 튜플 전체를 복호하고, 다시 필요한 부분만을 선택하여야 한다는 단점이 있기 때문에 버킷 등을 이용한 보완방법이 많이 사용된다[2,3,4].
	개인정보를 암호화 하기 위하여 튜플 암호화 방식에 버킷인덱스 방식을 적용한 방식은 어떤 단점이 있는가?	가장 많이 사용되는 튜플 암호화 방식에 버킷인덱스 방식을 적용한 방식이다. 이 방식은 버킷정보로 인하여 데이터의 분포가 노출된다는 단점을 가진다. 이러한 버킷인덱스 방식의 데이터 노출 특성을 방지하기 위하여, 본 논문에서는 버킷인덱스와 블룸필터를 적용한 복합적인 암호화방식을 제안한다.

참고문헌 (5)

Hakan Hacig？m？s, Bala Iyer, and Shrad Mehrotra, "Providing database as a service", In Proc, of the 18th International Conference on Data Engineering, San Jose, California, USA, IEEE Computer Society, pp.21-28, 2002.
Hakan Hacig？m？s, Bala Iyer, Chen Li, and Shrad Mehrotra, "Executing SQL over encrypted data in the database service provider model", In Proc. of the ACM SIGMOD, pp.216-227, 2002.
Hakan Hacigumus, Bala Iyer, and Shrad Mehrotra, "Efficient exeurtion of aggregation queries over encrypted relational databases", In Lee, J., li, J. Wudhang, K., and Lee, D., Eds., Proc. of the 9th International Conference on Database Systems for Advanced Applications, Volume 2973 of Lecture Notes in Computer Science, Jeju Island, Korea, Springer, pp.123-132, 2004.
Aggarwal, Gagan and Bawa, Mayank and Ganesan, Prasanna, "Two can keep a secret: a distributed architecture for secure database services", In Proc. of the Second Biannual Conference on Innovative Data Systems Research (CIDR 2005), Asilomar, CA, pp. 34-42, 2005.
Andrei Broder, Michael Mitzenmacher, "Network Applications of Bloom Filters:", A Survey. Internet Math. Volume 1, Number 4, pp,89-95, 2003.

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