امنیت پایگاه داده های آماری

1. امنیت پایگاه داده های آماری رسول جلیلی jalili@sharif.edu رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دومتحصيلي91-92

2. مقدمه • پایگاه داده های آماری عموماً برای تولید آمار بروی داده های مختلف به کار می روند. • رويکرد های امنیتی پایگاه داده های آماری باید از لو دادن هر داده منفرد خود داری کنند. • امنیت پایگاه داده های آماری به دوشکل می تواند کنترل شود: • خودداری از پرس و جوهایی که مقادیر صفات مختلف را برمیگرداند • صرفا با اجازه دادن به پرس و جوهایی که توابع تجمعی آماری مانند SUM، MAX، MIN، COUNT و AVERAGE را به کار میبرند Q1: SELECT COUNT (*) FROM PERSON WHERE CONDITION; Q2: SELECT AVG (INCOME) FROM PERSON WHERE CONDITION; رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

3. مثال • مثال: • اگر به دنبال حقوق سالیانه S.jahed باشیم و بدانیم که او در شهر بم کرمان زندگی می کند و خانم است و در حال گرفتن مدرک PhD خود است، می توان با استفاده از پرس و جوی آماری Q1(در اسلاید قبلی) و با استفاده از شرایط زیر تعداد کسانی که این شرایط را دارند را محاسبه کنیم: (LAST_DEGREE=‘Ph.D.’ AND SEX=‘F’ AND CITY= ‘Bam’ AND STATE=‘Kerman’) رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

4. مثال-2 حال اگر جواب Q1 با شرایط گفته شده در اسلاید قبلی 1 (یک) باشد، با انجام پرس و جوی Q2 با استفاده از شرایط مشابه اسلاید قبلی، می توان به درآمد سالیانه S.Jahed رسید. حتی اگر تعداد نتیجه مربوط به Q1 دقیقاً یک نباشد ولی نزدیک به آن و عدد کوچکی باشد، می توان به کمک توابع تجمعی آماری مانند Max، Minو Average حدود و یا بازه ای از حقوق S.Jahed را پی برد. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

5. مفاهیم پایه ای-1 • SDB مرجع به فرم پایگاه داده ای رابطه ای است. • N تعداد موجودیتها و m تعداد صفات شمای SDB میباشد • این پایگاه داده مرجع در اسلاید بعدی آمده است: • Xij به معنای مقدار jامین صفت (Aj) از رکورد iام موجود در SDB میباشد . • هر صفت Aj دارای |Aj|مقادیر ممکن است. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

6. مفاهیم پایه ای-2 رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

7. مفاهیم پایه ای-3 • SDBهای خاص منظوره، مانند پایگاه داده های نظرسنجی، بعضی آمارها را در فرم جدول ارائه می دهند. (Macrostatistics نامیده می شوند) • شکل روبرو تعداد را در قالب جدول 3 بعدی نشان می دهد. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

8. مفاهیم پایه ای-4 • پرس و جوهای آماری می تواند با استفاده از بعضی کلیدها (keys) و یا فرمولهای خصوصیتی(Characteristics Formulas) انجام شود. • آمارهای مبتنی بر کلید در فرم هایی مانند Sum(C, Salary) و C=(Ali, Taghi,Naghi, javad) می باشد. • فرمولهای خصوصیتی (مشخص شده با استفاده از A و B و . . .) یک فرمول منطقی از صفات ترکیب شده با اپراتورهای And، Orو Not می باشند. • مثال: • A= (Sex=F) ((Dept-Code=Dept1)(Dept_code=Dept2)) (Birth-Year<1965) رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

9. مفاهیم پایه ای-5 یک فرمول خصوصیتی(CF) مجموعه ای از رکوردها را مشخص میکند که مجموعه پرس و جو (Query Set) نامیده میشود (X(A)) و تعداد رکوردهای X(A)، |X(A)| خواهد بود. All: برای هر CF مانند C، رابطه X(C)  X(All). برقرار است. این یعنی مجموعه پرس و جوهای (query set) هر C زیر مجموعه ای از کل SDB است. مجموعه های ابتدایی(Elementary Sets) مجموعه های پرس و جوی ساده غیر قابل تجزیه ای هستند: C=(A1=a1)(A2=a2)… (AM=aM), که Ajیک صفت از SDB و aj یکی از مقادیر آن صفت است تعداد مجموعه های ابتدایی (E) در یک SDB با صفات A1,…Am برابر است با E=|A1|* … * |Am| که بعضی از مقادیر خالی می باشند. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

10. مفاهیم پایه ای-6 پرس و جوهای مهم آماری در SDB از قرار زیر هستند: Count(C) = |X(C)| Sum (C, Aj) = iX(C)Xij Rfreq(C) = Count(C)/N (relative frequency of the query set.) Avg(C,Aj) Max(C,Aj) Min(C,Aj) Median(C,Aj) = |X(C)|/2 (used to compute the median value in an ordered set of a numerical value of an attribute Aj.) آمار حساس، آماری است که به افشای محرمانگی اطلاعات بروی یک موجودیت واحد SDB منجر گردد. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

11. تکنیک های حفاظت از استنتاج • یکی از دلایل در خطر بودن امنیت SDBها، امکان استنتاج اطلاعات محرمانه مربوط به موجودیت های نمایش داده شده در SDB می باشد. • با در نظر گرفتن Ai به عنوان یک صفت با اطلاعات محرمانه غیر عددیو یا یک صفت عددی، و Xj که یک موجودیت را در SDB تعریف می کند: • Exact Compromise: زمانی رخ می دهد که کاربر با استفاده از تعدادی پرس و جوی آماری بتواند مقدار 1 برای صفت غیر عددی Ai و یا مقدار دقیق عددی رکورد j ام از SDB را استنتاج نماید. • Partial Compromise: زمانی اتفاق می افتد که کاربر با استفاده از تعدادی پرس و جوی آماری مقدار صفر را برای صفت غیر عددی Ai و یا یک مقدار تقریبی از مقدار صفت عددی را بتواند استنتاج نماید.. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

12. تکنیک های حفاظت از استنتاج-2 • انواع تکنیک ها: • مفهومی(Conceptual) • به مسئله استنتاج در سطح مفهوم نگاه می کند و با مدل داده ای مفهومی SDB کار میکند. • مبتنی بر محدودیت(Restriction-based) • حفاظت از استنتاج را بوسیله محدود سازی بعضی پرس و جوهای آماری تامین می کند • پرس و جوها شامل تعداد بسیار کم و یا بسیار زیادی از رکوردها نباید باشند. • باید به کارایی سیستم در اثر رد کردن تعداد زیادی از پرس و جو ها نیز توجه داشته باشد. • مبتنی بر انحراف(Perturbation-based) • حفاظت از استنتاج را با تعریف بعضی تغییرات بروی اطلاعات بکار گرفته برای جواب دادن به پرس و جوهای آماری تامین می کند. • این تغییرات می تواند بر داده های ذخیره شده در SDB و یا اینکه نتایج محاسبه شده قبل از افشاء به کاربر باشد. رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92

13. پایان مركز امنيت شبكه شريف http://nsc.sharif.edu رسول جليلي- درس امنيت پايگاه داده ها- نيمسال دوم تحصيلي 91-92