Panda：针对外包敏感与非敏感数据的分区数据安全
数据库
2020-05-14 v1 密码学与安全
分布式、并行与集群计算
信息检索
摘要
尽管密码学研究广泛，对外包数据的安全高效查询处理仍是一项开放挑战。本文延续安全数据处理的新兴趋势，该趋势认识到整个数据集未必都是敏感的，因此可利用数据的非敏感性来克服现有基于加密方法的局限。我们首先提供一种新的安全定义，称为分区数据安全，用于保证非敏感数据（明文）与敏感数据（加密形式）的联合处理不会导致任何泄露。然后，本文提出一种称为查询分箱（QB）的新安全方法，允许对数据的非敏感与敏感部分安全执行查询。QB 将查询映射到一组针对敏感与非敏感数据的查询，使得因敏感与非敏感数据联合处理而产生的泄露不会发生。特别地，我们提出了用于选择、范围和连接查询的安全算法，以在加密敏感数据集与明文非敏感数据集上执行。有趣的是，除提升性能外，我们表明 QB 实际上通过防止大小、频率计数和工作负载偏斜攻击，加强了底层密码技术的安全性。
引用
@article{arxiv.2005.06154,
title = {Panda: Partitioned Data Security on Outsourced Sensitive and Non-sensitive Data},
author = {Sharad Mehrotra and Shantanu Sharma and Jeffrey D. Ullman and Dhrubajyoti Ghosh and Peeyush Gupta},
journal= {arXiv preprint arXiv:2005.06154},
year = {2020}
}
备注
This version has been accepted in ACM Transactions on Management Information Systems. The final published version of this paper may differ from this accepted version. A preliminary version of this paper [arXiv:1812.09233] was accepted and presented in IEEE ICDE 2019