近日，火山引擎安全研究團(tuán)隊(duì)對(duì)外開源了Jeddak-DPSQL(項(xiàng)目地址：https://github.com/bytedance/Jeddak-DPSQL)，這是基于差分隱私的SQL代理工具，適用于數(shù)據(jù)管理者可信的場(chǎng)景模式，以中間件的形式接收SQL統(tǒng)計(jì)查詢請(qǐng)求，返回滿足差分隱私的查詢結(jié)果。
據(jù)悉，火山引擎對(duì)于用戶敏感數(shù)據(jù)尤為重視，在火山引擎提供的數(shù)據(jù)分析產(chǎn)品中，廣泛采用差分隱私技術(shù)對(duì)用戶敏感信息進(jìn)行保護(hù)。此類數(shù)據(jù)產(chǎn)品通常構(gòu)建于 ClickHouse 等數(shù)據(jù)引擎之上，以 SQL 查詢方式來執(zhí)行計(jì)算邏輯，且查詢邏輯往往較為復(fù)雜，因此對(duì)差分隱私的應(yīng)用提出了以下要求：
零改造、零感知：最大程度避免影響業(yè)務(wù)現(xiàn)有查詢方式，最好做到業(yè)務(wù)零感知、零改造;
良好、靈活的適配性：能夠適配不同數(shù)據(jù)引擎的查詢語法，以及能夠處理包含多層嵌套、多重計(jì)算、多表連接等情形的復(fù)雜 SQL 語句;
安全性與可用性平衡：能夠根據(jù)業(yè)務(wù)數(shù)據(jù)質(zhì)量要求，計(jì)算合理的隱私預(yù)算，在安全性和數(shù)據(jù)可用性之間保持平衡;
為更好解決數(shù)據(jù)安全和隱私合規(guī)治理相關(guān)問題，火山引擎安全研究團(tuán)隊(duì)進(jìn)行了產(chǎn)品調(diào)研，目前市面上在SQL查詢場(chǎng)景下加入差分隱私能力的產(chǎn)品，發(fā)現(xiàn)這些產(chǎn)品大多都沒有提供SQL 的自動(dòng)化分析能力，需主動(dòng)調(diào)用 API 或是在 SQL 中調(diào)用 UDF 來引入差分隱私能力，接入成本較高。其中OpenDP產(chǎn)品限定了輸入 SQL 的方言，僅支持 SQL 92標(biāo)準(zhǔn)，難以在 Hive、ClickHouse 等主流數(shù)倉引擎中透明應(yīng)用。
同時(shí)，火山引擎安全研究團(tuán)隊(duì)也注意到云服務(wù)廠商在To B場(chǎng)景下會(huì)提供多款數(shù)據(jù)分析產(chǎn)品，部分產(chǎn)品的模式面臨泄漏用戶隱私、法律合規(guī)的風(fēng)險(xiǎn)，該類產(chǎn)品通常是通過數(shù)據(jù)庫引擎使用面向?qū)崟r(shí)分析的 clickhouse，計(jì)算邏輯用SQL查詢的方式執(zhí)行，因此考慮結(jié)合差分隱私技術(shù)提供隱私保護(hù)的SQL查詢能力。
基于上述挑戰(zhàn)，火山引擎安全研究團(tuán)隊(duì)自主研發(fā)了Jeddak-DPSQL ，希望能夠?yàn)橥瑯用媾R該類問題的企業(yè)和個(gè)人提供一定參考和幫助，同時(shí)也希望能夠有更多的外部開發(fā)者能夠一起對(duì)該開源項(xiàng)目進(jìn)行共建，完善 Jeddak-DPSQL 產(chǎn)品功能，共同構(gòu)建更完備的應(yīng)用生態(tài)。
據(jù)了解，Jeddak-DPSQL 能夠兼容多種數(shù)據(jù)引擎和SQL方言，內(nèi)嵌多種差分噪聲擾動(dòng)算法，具備隱私預(yù)算管理能力，并且能夠與底層數(shù)據(jù)引擎結(jié)合，在數(shù)據(jù)分析師無感的情況下，對(duì) SQL 語句進(jìn)行自動(dòng)化分析和結(jié)果加噪處理。同時(shí)，Jeddak-DPSQL 已經(jīng)在抖音集團(tuán)相關(guān)業(yè)務(wù)中得到了普遍應(yīng)用與驗(yàn)證。
一、全面了解 Jeddak-DPSQL
1、 Jeddak-DPSQL介紹
Jeddak-DPSQL采用中心化差分隱私(Centralized Differential Privacy，簡(jiǎn)稱CDP，適用于數(shù)據(jù)管理者可信的場(chǎng)景)模式，以中間件的形式接收SQL統(tǒng)計(jì)查詢請(qǐng)求，返回滿足差分隱私的查詢結(jié)果。一個(gè)典型的查詢請(qǐng)求處理流程如下：
●首先，核心服務(wù)接受客戶提交的SQL查詢語句，對(duì)該語句進(jìn)行解析和重寫，以便于計(jì)算隱私噪聲(如將AVG計(jì)算改為SUM/COUNT);
●然后，核心服務(wù)調(diào)用元數(shù)據(jù)管理服務(wù)，計(jì)算重寫后的SQL查詢所對(duì)應(yīng)的數(shù)據(jù)表敏感度，同時(shí)在數(shù)據(jù)庫上執(zhí)行重寫后的SQL查詢，得到原始的查詢結(jié)果;
●最后，核心服務(wù)調(diào)用隱私預(yù)算管理服務(wù)得到為該查詢分配的隱私預(yù)算，并結(jié)合敏感度在原始的查詢結(jié)果中添加噪聲并返回。
2、 Jeddak-DPSQL解決的問題
案例背景
假設(shè)有一個(gè)數(shù)據(jù)庫 business，存儲(chǔ)用戶消費(fèi)數(shù)據(jù)，使用 clickhouse 引擎，其中一個(gè)表 user 存儲(chǔ)用戶信息，表中存在以下列：uid，name，age，sex，city，代表用戶id、姓名、年齡、性別、城市。
查詢需求
假設(shè)要查詢用戶數(shù)量和平均年齡的城市分布，使用 SQL 語句 1：
風(fēng)險(xiǎn)
如果不應(yīng)用隱私保護(hù)技術(shù)，可能面臨差分攻擊的風(fēng)險(xiǎn)，比如攻擊者通過某渠道得知張三的 uid 為 803719，構(gòu)造下面的 SQL 語句 2：
#FormatImgID_2#
通過執(zhí)行上面的 SQL語句1 和 SQL 語句2，可分別得到兩個(gè)查詢結(jié)果：
那么就可以通過比較兩次查詢結(jié)果得知張三所在的城市是北京，年齡大約 61 歲（120008*49.3276 = 5919706.62，120007*49.3275 = 5919645.29，5919706.62 - 5919645.29 約等于 61）
以上是一個(gè)簡(jiǎn)單的例子，現(xiàn)實(shí)場(chǎng)景中，攻擊者可能通過背景知識(shí)構(gòu)造更多樣、更復(fù)雜的查詢語句達(dá)到竊取隱私的目的。
因此，在上述SQL查詢場(chǎng)景下，可以通過接入Jeddak-DPSQL對(duì)SQL進(jìn)行分析和重寫，最終執(zhí)行重寫后的SQL能夠保證返回給使用者的數(shù)據(jù)滿足差分隱私要求，進(jìn)而達(dá)到對(duì)個(gè)人隱私保護(hù)的效果。
3、 Jeddak-DPSQL在火山引擎的應(yīng)用驗(yàn)證
1.Jeddak-DPSQL已接入火山引擎的增長(zhǎng)分析(finder)、A/B 測(cè)試等產(chǎn)品，間接服務(wù)300+外部客戶，日均處理查詢請(qǐng)求 200+。Jeddak-DPSQL服務(wù)不僅幫助業(yè)務(wù)滿足了隱私保護(hù)和業(yè)務(wù)合規(guī)的需求，同時(shí)也成為創(chuàng)新型隱私計(jì)算技術(shù)應(yīng)用的典范案例。
2.開放隱私計(jì)算OpenMPC對(duì)外公布了“隱私計(jì)算2021年度優(yōu)秀應(yīng)用案例TOP10”。火山引擎云安全憑借“融合差分隱私的火山引擎DPSQL服務(wù)”案例，成功入選TOP10。
二、如何使用Jeddak-DPSQL
GitHub 開源項(xiàng)目地址：https://github.com/bytedance/Jeddak-DPSQL
1. 下載
#FormatImgID_4#
2. 快速部署
完成Jeddak-DPSQL下載后，按照README中的部署引導(dǎo)部分完成服務(wù)部署，整個(gè)部署過程包括以下步驟：
●服務(wù)依賴包安裝：進(jìn)入項(xiàng)目根目錄，使用pip install -r requirements.txt安裝服務(wù)所需完整pip包
●metaData存儲(chǔ)準(zhǔn)備：在使用DPSQL時(shí)，需要維護(hù)源數(shù)據(jù)表的metaData信息，為后續(xù)加噪計(jì)算敏感度作準(zhǔn)備。Jeddak-DPSQL使用Mysql對(duì)相應(yīng)元數(shù)據(jù)信息進(jìn)行存儲(chǔ)，因此需要用戶提前在自己的Mysql數(shù)據(jù)庫中創(chuàng)建相應(yīng)的表
●隱私預(yù)算消耗存儲(chǔ)準(zhǔn)備：使用Jeddak-DPSQL系統(tǒng)過程，可以記錄對(duì)表級(jí)別的數(shù)據(jù)查詢時(shí)的隱私預(yù)算消耗。主要通過Mysql進(jìn)行記錄，因此需要用戶提前在自己的Mysql數(shù)據(jù)庫中創(chuàng)建相應(yīng)的表
●數(shù)據(jù)庫連接配置：Jeddak-DPSQL中使用數(shù)據(jù)庫主要有Mysql和Redis，因此需要對(duì)這兩個(gè)數(shù)據(jù)庫連接地址進(jìn)行配置
●服務(wù)啟動(dòng)：完成上述配置后可以在項(xiàng)目根目錄運(yùn)行bootstrap.sh腳本啟動(dòng)服務(wù)
3. 正式使用
完成Jeddak-DPSQL部署后，按照README中的快速開始部分可以進(jìn)行功能體驗(yàn)，整個(gè)過程如下：
●選擇要測(cè)試的數(shù)據(jù)源(Hive或ClickHouse)，導(dǎo)入要進(jìn)行查詢測(cè)試的原始數(shù)據(jù)集
●初始化metadata和隱私預(yù)算
○生成 metadata
啟動(dòng)dpsql服務(wù)后， 調(diào)用接口 /api/v1/metadata/generate，生成metadata，可參考：
○確認(rèn)metadata 生成完成
調(diào)用 /api/v1/metadata/get 接口，確認(rèn) metadata 生成完成
●調(diào)用隱私保護(hù)查詢接口，獲得經(jīng)過差分隱私保護(hù)的查詢結(jié)果
更多接口使用方式可以參考項(xiàng)目README中的API documentation部分。
三、后續(xù)計(jì)劃
火山引擎安全研究部門相關(guān)負(fù)責(zé)人表示，Jeddak-DPSQL會(huì)長(zhǎng)期維護(hù)，歡迎大家使用。他也指出，近期開源的Jeddak-DPSQL是首個(gè)版本，因此還存在很多不完善的地方，也希望有更多的外部開發(fā)者能夠一起對(duì)該開源項(xiàng)目進(jìn)行共建，完善產(chǎn)品功能，構(gòu)建更完備的應(yīng)用生態(tài)。(作者：崔世高)
