Security issues in data deduplication techniques
背景
目前最被大眾所接受的雲端服務就非雲端儲存 (cloud
storage) 莫屬了。Cloud storage所提供的服務就是提供使用者 (user) 儲存空間讓user能夠備份上傳他們的資料，並且進行雲端與user所持有的不同裝置做資料同步。目前著名的cloud storage包含Bitcasa (https://www.bitcasa.com/)，Dropbox (https://www.dropbox.com/)，Google Drive(https://www.google.com/drive/)，Microsoft One Drive (https://onedrive.live.com/)，SpiderOak (https://spideroak.com/)，Wuala (https://www.wuala.com/)等。這些cloud storage的一個共同特徵就是都會給予未付費使用者 (free user)
一定程度的免費儲存空間 (free space)。譬如Dropbox會給予2GB的free space，Google
Drive會給予15GB的free space。Free user即可隨意使用這些free space來儲存備份資料。但是cloud storage要如何精簡且有效率地儲存user所上傳的資料則是個大問題。這是因為除了付費使用者的資料當然得妥善保存之外，現在的free user往往都會註冊多個cloud storage的帳號來多獲取一些free
space，而雖為free user的資料，但是cloud
storage仍不能讓其漏失，以上種種都加重了雲端儲存營運者 (cloud storage administrator)
的儲存成本 (storage cost)。
資料去重複技術的各種分類
就以data
deduplication來說，雖然其背後的原理只是「不要將相同的資料重複儲存」，但是就以實際上各種應用的data
deduplication實作來說，則會有不同的分類方式。在此，我們考慮一個可能會是多人使用的cloud
storage如Dropbox，在這樣的cloud
storage上面，首先，可以針對「是否對於不同user的資料來進行data deduplication」來做分類。如果只能對個別user account內的資料進行data deduplication的話，即稱之為 single user data
deduplication，而若是可以把所有user account內的資料一併考慮進去，統一進行data deduplication的話，即稱之為crosse user data
deduplication (或又稱global data deduplication)。根據「資料上傳者是否會得知上傳的資料已經有重複」來區分的話，將可以區分成server-side與client-side data deduplication兩種。就以前者來說，user想上傳資料的話就直接進行上傳，而由cloud storage來決定是否儲存剛獲得上傳的資料。而以後者來說，user在實際上傳資料之前，會先計算對應於資料的deduplication tag，並且先將deduplication tag上傳至cloud storage。Cloud storage在經由deduplication tag的比對來確認是否已經存有對應的資料之後，會通知user是否需要再上傳資料。其中，deduplication tag在file-based data deduplication是採用完整檔案下去做如SHA256的hash，而在chunk-based data deduplication時則是用各chunk下去做hash。可以知道，因為如果cloud storage已經存有對應資料了，則甚至資料不用再被重複傳輸，因此，client-side
data deduplication是一個除了可以獲得storage saving之外，還可以獲得bandwidth saving的作法。
目前許多cloud
storage為了節省storage cost，也為了bandwidth
saving與提昇使用者滿意度，均採用cross-user chunk-based client-side
data deduplication。譬如Wuala與Dropbox就是使用chunk size固定為4MB，且hash
function是SHA256的cross-user
chunk-based client-side data deduplication。因為chunk-based這個特性不好被畫出來且和將討論的安全議題無關，我們先以下圖來表示cross-user client-side data deduplication的運作方式。首先，在圖一(a)時，user 1想上傳F1與F2兩個檔案，首先，user 1先算出並上傳h(F1)與h(F2)兩個deduplication
tag，這裡假設cloud storage還沒有F1與F2的複本，所以cloud storage傳回兩個negative ACK (圖中以0表示)
通知user 1繼續完整上傳F1與F2。接著，在圖一(b)當中，user 2想上傳F1與F3兩個檔案，user 2算出並上傳h(F1)與h(F3)兩個deduplication
tag，因cloud storage已有F1，所以cloud storage傳回一個negative ACK 與一個positive ACK (圖中以1表示)
通知user 2只需完整上傳F3即可。這裡可以看出，雖然從user的觀點來看，deduplication tag的傳輸都是多餘的，但是卻可以藉此得知資料是否已經存在cloud storage並獲得更多的storage saving。
 |
圖一：Cross-user
client-side data deduplication的運作範例
|
安全與隱私顧慮
從2010年開始有研究指出，具有data
deuplication，尤其是cross-user client-side data
deduplication的cloud storage (以下簡稱deduplicated cloud storage) 雖然可以獲得storage與bandwidth saving但是也多了安全與隱私上的顧慮。譬如從圖二(a)可以看出，攻擊者可以藉由上傳可能的hash 以及觀察deduplicated cloud storage所做的回應來獲知對應的檔案是否已經存在於deduplicated cloud storage內，導致檔案的隱私性被破壞。而從圖二(b)可以看出deduplicated cloud storage會被濫用而成為一種covert
channel。更仔細一點地來說，譬如兩個攻擊者之間的通訊若是被監聽，而假設他們事前已經同意一個共同的檔案，則他們藉由上傳或是刪除那個共同檔案，換言之，經由deduplicated cloud storage內那個共同檔案的存在與否，則可以建立起一個low-bandwidth的covert channel來進行秘密傳輸而不被發現傳輸正在進行當中。
 |
圖二：各種deduplicated cloud storage不一樣的安全與隱私攻擊
|
而從圖二 (c)可以看出deduplicated cloud storage會被濫用而成為一種CDN
(Content Delivery Network)來協助檔案的分配傳送。這樣的情況最常出現在不特定的多人想要共同分享同一份大檔案。因為是大檔案，所以無法經由一般的email附件來傳送。而假設攻擊者又不想付費取得相對應的storage與bandwidth資源，所以原始的資料擁有者可以先上傳想分享的資料至deduplicated
cloud storage，然後將相對應的deduplication tag傳遞給其他人。此時，收到deduplication tag的人假裝他仍要上傳同一份資料，並且也給予deduplicated
cloud storage那些deduplication tag。在看到相同的deduplication tag之後，deduplicated cloud
storage會認為此時上傳deduplication tag的人也只是恰好擁有相同資料，而中斷資料的傳輸並讓此人獲得資料的擁有權。至此，此人即可順利下載資料，且以deduplicated cloud storage的角度來看，他只是下載自己的資料，並不算在需要付費的頻寬限制之內。這樣的攻擊並不僅只是研究人員的想像，已經有一套open source的software稱為Dropship被開發出來，可以利用Dropbox的deduplicatio技術來進行這樣的cloud storage濫用。
還有，從圖二 (d)可以看出deduplicated cloud storage上的資料也有可能被攻擊者所惡意下載。這裡是說，如果攻擊者想下載某份檔案，但恰巧只擁有檔案的deduplication tag的話，即可利用類似上述方法，攻擊者先假裝自己要上傳檔案，藉此來獲取檔案的擁有權，之後再逕行下載即可獲得本不屬於攻擊者的檔案。
解決方法
回顧我們在圖二所闡述的關於deduplicated cloud storage所遇到各種安全與隱私問題，從2010年開始，有研究人員提出Proof of Ownership (POW)的概念來解決data deduplication的安全問題。觀察到圖二的問題主要是攻擊者都利用了「上傳同樣的hash之後，deduplicated cloud storage即會不加以檢查而直接認為上傳hash的user是擁有對應的資料」的這樣弱點，POW就針對這樣關於data deduplication的弱點加以防護;在POW scheme當中，一旦有user上傳了deduplicated
cloud storage內已經有的deduplication tag之後，deduplicated cloud
storage將會在連結對應檔案與user之前，先隨機要求user回傳檔案內的幾個bit。如果user能順利回答那幾個bit是0或是1，則deduplicated
cloud storage相信user真的是擁有對應資料。反之，若是user無法順利回答那幾個bit是0或是1，則deduplicated cloud storage認為方才上傳deduplication tag的user是攻擊者，只想騙取檔案的所有權。而有些POW則是觀察到deduplication tag的計算需要過多I/O，但是用於client-side data deduplication判別是否有無資料存在於deduplicated cloud storage中的deduplication
tag其實並不需要一般如MD5或是SHA1般的繁複計算量。因此，一些 POW 各自提出一個並非cryptographic use而有collision的hash function，能大幅降低計算hash所需的時間，藉此來提升 POW scheme 的效能。
(本文由本中心游家牧教授提供)
沒有留言:
張貼留言