적응형 에지 강화 기밀 컴퓨팅을 활용한 스트림 프로세싱

스트림 프로세싱은 보안에 민감한 분야를 포함한 다양한 시나리오에서 점점 더 중요해지고 있습니다. 이는 데이터의 대량을 사용 중인 상태에서 메모리에 유지하는 이점을 가지므로 보호의 필요성이 강조됩니다. 최근의 기밀 컴퓨팅 발전은 이러한 보호를 기술적으로 가능하게 합니다. 그러나 이러한 새로운 하드웨어 기반 보호 방법은 성능 부담을 초래합니다. 우리의 평가 결과, 레거시 VM을 기밀 VM으로 대체하여 스트리밍 애플리케이션을 실행하는 경우 NEXMark 벤치마크 모음에서 테스트한 쿼리의 처리량에 최대 8.5%의 오버헤드가 발생하는 것으로 나타났습니다. 물리적으로 노출된 엣지에서의 공격과 같은 더 광범위한 공격을 위한 전문화된 보호를 추구하는 것은 이 오버헤드를 더욱 증가시킬 수 있습니다. 본 논문에서는 특정 애플리케이션 기능의 프라이버시 요구에 맞춘 스트림 프로세싱 애플리케이션을 위한 자원 스케줄링 전략을 제안합니다. 우리는 널리 사용되는 스트림 프로세싱 프레임워크인 Apache Flink를 사용하여 이 시스템 모델을 구현하며, 기저 클러스터의 보호 기능을 인식하고 애플리케이션의 프라이버시 요구 사항과 사용 가능한 배포 환경에 맞춘 다양한 보호를 통해 자원 간에 애플리케이션 기능을 스케줄링합니다.