[논문]DNA Sequencing의 사례를 이용한 빅데이터 처리 클라우드 하드웨어 플랫폼의 성능 비교 연구

홍보의; 김한이; 서태원

문제 정의

본 연구에서는 실제 빅데이터 처리를 위한 클라우드 환경 모델을 산정한다. 그리고 두 하드웨어의 보안성에 대한 실험을 통해서 클라우드 환경에서 ARMv7 의 TrustZone 이 취약성이 있음을 제시한다.
그리고 두 하드웨어의 보안성에 대한 실험을 통해서 클라우드 환경에서 ARMv7 의 TrustZone 이 취약성이 있음을 제시한다. 이어서 이에 대한 해결책으로 FPGA 를 이용한 하드웨어 설계에 대해 논의한다.

가설 설정

본 연구에서는 개인의 DNA 는 사용자가 직접 암호화하여 AESKey 와 함께 암호화된 데이터들을 클라우드 서비스 제공자에게 전달한다고 가정한다. 또한，데이터 센터 내의 DNA Sequencing 처리는 맵과 리듀스 두 작업을 수행하는 노드들이 물리적으로 분리되어 동작하는 모델이라 가정한다. 따라서 네트워크 상의 분리된 노드들은 데이터 전송을 위해 암호화 및 복호화가 필요하다.
본 연구에서는 개인의 DNA 는 사용자가 직접 암호화하여 AESKey 와 함께 암호화된 데이터들을 클라우드 서비스 제공자에게 전달한다고 가정한다. 또한，데이터 센터 내의 DNA Sequencing 처리는 맵과 리듀스 두 작업을 수행하는 노드들이 물리적으로 분리되어 동작하는 모델이라 가정한다.
실험은 대량의 데이터 처리에 대한 애플리케이션이 클라우드 환경에서 제공되며, 이때 서비스를 요청하는 측의 데이터는 개인정보와 같은 민감한 정보임을 가정한다. 본 연구에서 사용한 Target 애플리케이션은 DNA Sequencing 이다.

제안 방법

ARMv7 기반 에뮬레이션 도구인 ZedBoard[2]로 수행된 DNA Sequencing 실험은 해당 아키텍처가 별도의 AES 하드웨어를 지원하지 않으므로 소프트웨어로 진행되었다. AES 알고리즘은 공개 소프트웨어 중 공인된 방법에 의해 검증된 알고리즘을 사용하였다[3].
먼저 DNA 문자열을 Substring 단위로 자르는 맵 단계와 각 Block 을 Substring 단위로 비교를 수행하는 리듀스 단계로 나뉜다. 네트워크를 통해 데이터가 전송 되는 과정에서 정보 보호를 위해 모든 데이터는 암호화 과정이 필요하고, 이를 위하여 맵 단계와 리듀스 단계 사이에 AES 암호화를 사용하였다.
본 연구에서는 ARMv7 과 Intel i7 CPU 를 사용한 빅데이터 처리 하드웨어 클라우드 플랫폼의 성능을 비교 및 분석하였다. 연구 결과，ARMv7 아키텍처를 이용하여 클라우드 서비스 환경을 구축할 경우에는 암호화 모듈에 의한 성능 저하와 TrustZone 해킹 가능성이라는 취약점이 있음을 확인하였다.
실험은 DNA Sequencing 의 변수인 Block 크기와 Substring 크기에 변화를 주며 이루어 졌으며 별도의 AES 하드웨어가 지원되는 Intel 의 경우 하드웨어 가속기의 사용과 미사용의 경우를 비교하였다.

이론/모형

ARMv7 기반 에뮬레이션 도구인 ZedBoard[2]로 수행된 DNA Sequencing 실험은 해당 아키텍처가 별도의 AES 하드웨어를 지원하지 않으므로 소프트웨어로 진행되었다. AES 알고리즘은 공개 소프트웨어 중 공인된 방법에 의해 검증된 알고리즘을 사용하였다[3].
실험은 대량의 데이터 처리에 대한 애플리케이션이 클라우드 환경에서 제공되며, 이때 서비스를 요청하는 측의 데이터는 개인정보와 같은 민감한 정보임을 가정한다. 본 연구에서 사용한 Target 애플리케이션은 DNA Sequencing 이다. DNA Sequencing 은 개인의 DNA 문자열을 Reference DNA 에 비교하여 유사도를 측정하는 애플리케이션이며，DNA 정보의 특성상 대량의 문자열을 포함하고 있다.

성능/효과

연구 결과，ARMv7 아키텍처를 이용하여 클라우드 서비스 환경을 구축할 경우에는 암호화 모듈에 의한 성능 저하와 TrustZone 해킹 가능성이라는 취약점이 있음을 확인하였다. 그리고 FPGA 로 설계한 암호화 모듈은 데이터를 입력받아서 다시 암호화된 결과를 모듈 밖으로 출력한다는 점에서 사용자 데이터가 외부에 노출되지 않는다는 강점을 지니고 있으며, 성능 또한 상용화된 암호화 모듈과 비슷한 성능을 보였다.
본 연구에서는 실제 빅데이터 처리를 위한 클라우드 환경 모델을 산정한다. 그리고 두 하드웨어의 보안성에 대한 실험을 통해서 클라우드 환경에서 ARMv7 의 TrustZone 이 취약성이 있음을 제시한다. 이어서 이에 대한 해결책으로 FPGA 를 이용한 하드웨어 설계에 대해 논의한다.
이 방법은 복호화부터 맵 리듀스, 그리고 결과의 암호화까지 서비스 제공자가 설계한 FPGA 내의 하드웨어를 통해 이루어지기 때문에 메모리 공간에서의 데이터 노출을 원천 차단한다. 또한 ARMv7 에서 FPGA 를 통한 AES 알고리즘의 병렬 수행은 하드웨어 가속으로 인해 큰 성능 향상을 얻을 수 있다. （그림 4）는 Intel i7 의 AES 모듈과 FPGA 에 설계된 모듈 간의 128-bitAES 암호화 성능을 비교한 것이다.
（그림 3）은 Intel i7 에서 오픈소스 AES 소프트웨어를 사용한 것과 AES 가속기를 사용한 것의 수행시간을 비교한 그래프이다. 실험 결과，Intel AES 가속기는 오픈소스 AES 에 비하여 수행 시간을 100배 이상 감소 시켰다.
본 연구에서는 ARMv7 과 Intel i7 CPU 를 사용한 빅데이터 처리 하드웨어 클라우드 플랫폼의 성능을 비교 및 분석하였다. 연구 결과，ARMv7 아키텍처를 이용하여 클라우드 서비스 환경을 구축할 경우에는 암호화 모듈에 의한 성능 저하와 TrustZone 해킹 가능성이라는 취약점이 있음을 확인하였다. 그리고 FPGA 로 설계한 암호화 모듈은 데이터를 입력받아서 다시 암호화된 결과를 모듈 밖으로 출력한다는 점에서 사용자 데이터가 외부에 노출되지 않는다는 강점을 지니고 있으며, 성능 또한 상용화된 암호화 모듈과 비슷한 성능을 보였다.

후속연구

FPGA 를 이용하여 빅데이터 애플리케이션에 밀착된 하드웨어 가속기를 설계한다면, 다양한 종류의 애플리케이션이 성능과 보안 측면에서 향상을 볼 수 있을 것이다. 향후 클라우드 서비스를 필요로 하는 대량의 데이터 처리 애플리케이션들에 대한 하드웨어 가속기의 연구 및 개발이 지속되기를 기대해 본다.
FPGA 를 이용하여 빅데이터 애플리케이션에 밀착된 하드웨어 가속기를 설계한다면, 다양한 종류의 애플리케이션이 성능과 보안 측면에서 향상을 볼 수 있을 것이다. 향후 클라우드 서비스를 필요로 하는 대량의 데이터 처리 애플리케이션들에 대한 하드웨어 가속기의 연구 및 개발이 지속되기를 기대해 본다.

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

DNA Sequencing의 사례를 이용한 빅데이터 처리 클라우드 하드웨어 플랫폼의 성능 비교 연구
A Comparative Study on the Performance of Cloud Hardware Platform for Big Data Processing using DAN Sequencing Case 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

DNA Sequencing의 사례를 이용한 빅데이터 처리 클라우드 하드웨어 플랫폼의 성능 비교 연구 A Comparative Study on the Performance of Cloud Hardware Platform for Big Data Processing using DAN Sequencing Case 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

DNA Sequencing의 사례를 이용한 빅데이터 처리 클라우드 하드웨어 플랫폼의 성능 비교 연구
A Comparative Study on the Performance of Cloud Hardware Platform for Big Data Processing using DAN Sequencing Case 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper