SecOBig: Sicherheitserhaltende Operationen für Big Data

• Antragsteller: Professor Dr. Marc Fischlin; Professor Dr. Alexander May
• Fachliche Zuordnung: Theoretische Informatik
• Förderung: Förderung von 2014 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 255319481

Durch die Enthüllungen von Edward Snowden über den massiven Datenmißbrauch durch die NSA und weitere Dienste wurde offensichtlich, dass Individuen und Firmen für den Schutz ihrer Daten Maßnahmen ergreifen müssen. Dies gilt um so mehr für extern gespeicherte Daten wie beim Cloud Storage oder Cloud Computing, und wenn "Big Data" durch externe Anbieter wie Amazons Elastic MapReduce verarbeitet wird. Klassische kryptographische Mittel wie Verschlüsselung können hier im allgemeinen aber nicht angewendet werden, da Verschlüsselung die Semantik der Daten verschleiert und somit keine externen Berechnungen auf den Daten mehr möglich sind. Die Möglichkeit, die Daten für die Berechnung zu entschlüsseln, würde wiederum die Sicherheit der Daten gefährden.Um den Sicherheitsbedarf mit den Wunsch nach externer Bearbeitung zu vereinen, müssen folglich kryptographische Methoden entworfen werden, die mit den Berechnungen "kompatibel" sind. Im Jahr 2009 gelang Forschern von IBM ein entscheidender Durchbruch diesbezüglich: sie konnten zum ersten Mal ein vollständig homomorphes Verschlüsselungssystem konstruieren, mit dessen Hilfe man beliebige Berechnungen auf den verschlüsselten Daten ausführen kann. Allerdings ist zu wenig über den Einsatz dieser Verfahren im Umfeld von "Big Data" bekannt. Das Ziel dieses Forschungsprojekts ist es, kryptographische Lösungen zu entwerfen, die für Big Data geeignet sind.Dazu soll das MapReduce Framework als abstrakte Schicht genutzt werden, um die Lösungen einzubetten und für verschiedene Architekturen für Big Data zur Verfügung zu stellen.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1736: Algorithmen für große Datenmengen