PASTA-4-PHT: A Pipeline for Automated Security and Technical Audits for the Personal Health Train

논문 요약: PASTA-4-PHT (개인 건강 열차 자동화 보안 및 기술 감사 파이프라인)

1. 문제 제기 (Problem)

• 배경: 의료 데이터와 같은 민감한 정보를 처리할 때, 데이터 프라이버시 보호를 위해 '데이터를 분석기로 보내는 것이 아니라 분석 코드를 데이터가 있는 곳으로 가져가는' 분산 분석 (Distributed Analytics, DA) 및 개인 건강 열차 (Personal Health Train, PHT) 방식이 도입되고 있습니다.
• 핵심 문제: PHT 는 외부 분석 코드 (Train) 를 병원 등의 민감한 환경 (Station) 에서 실행합니다. 그러나 이 코드가 데이터와 어떻게 상호작용하는지 불투명하며, 코드가 악성 코드를 포함하거나 취약점이 있을 경우 데이터 유출이나 시스템 침해의 위험이 큽니다.
• 현황: 기존 데이터 보호 규정 (GDPR 등) 은 데이터 처리의 투명성과 문서화를 요구하지만, PHT 의 코드 리뷰는 대부분 수동으로 이루어지거나 (예: DataSHIELD), 자동화된 감사 프로세스가 부재하여 취약점을 사전에 탐지하기 어렵습니다.

2. 방법론 (Methodology)

저자들은 DevSecOps 원칙을 차용하여 PHT 의 수명 주기 전반에 걸쳐 취약점을 자동으로 탐지하고 문서화하는 파이프라인인 PASTA-4-PHT를 설계 및 구현했습니다. 이 파이프라인은 PHT(컨테이너 기반) 가 겪는 세 가지 주요 '집계 상태 (Aggregation States)'에 맞춰 설계되었습니다.

• 상태 1: 소스 코드 (Source Code)

  • 목표: 실행 전 정적 분석을 통해 코드 내 취약점 탐지.
  • 기술:
    • 문서화 및 AST 추출: GitLab VCS 를 활용하고, Tree-Sitter 라이브러리를 사용하여 소스 코드를 추상 구문 트리 (AST) 로 변환합니다. 이를 RDF/그래프 형태로 매핑하여 시맨틱 메타데이터와 연결합니다.
    • 정적 애플리케이션 보안 테스트 (SAST): GitLab 의 내장 SAST 기능을 활용하여 코드 주입, 취약한 패턴 등을 탐지합니다.
    • 의존성 및 비밀 정보 탐지: 외부 라이브러리의 취약점 (CVE 기반) 과 코드 내 포함된 비밀번호, API 키 등 비밀 정보 (Secrets) 를 스캔합니다.
    • 허용/거부 목록 및 준수 검사: 특정 문법 규칙 (예: 금지된 명령어) 과 생태계 정책 (예: Python 언어 사용, PADME-Conductor 라이브러리 필수) 을 준수하는지 확인합니다.

• 상태 2: 패키징 코드 (Packaged Code / Image)

  • 목표: 컨테이너 이미지 내의 취약점 탐지.
  • 기술: Snyk 도구를 활용하여 Docker 이미지를 스캔합니다. 이는 기반 이미지 (Base Image) 나 포함된 라이브러리의 알려진 취약점을 식별합니다.

• 상태 3: 실행 코드 (Executable Code / Container)

  • 목표: 런타임 중 발생하는 동적 취약점 및 리소스 소비 탐지.
  • 기술:
    • 동적 애플리케이션 보안 테스트 (DAST): 실제 실행 환경 (시뮬레이션 엔진) 에서 Train 을 구동합니다.
    • 모니터링: 네트워크 통신 (외부 서버로의 데이터 유출 여부), CPU/메모리 사용량, I/O 트래픽 등을 실시간으로 측정하여 비정상적인 동작이나 과도한 리소스 소모를 감지합니다.

• 의사 결정 및 보고:

  • 각 단계의 스캔 결과를 기반으로 점수를 산출하고, 사용자가 정의한 의사 결정 트리 (Decision Tree) 를 통해 Train 의 승인 여부를 판단합니다.
  • 모든 감사 결과 (취약점, 벤치마크 데이터 등) 는 자동화된 PDF 보고서로 생성되며, 이는 GDPR 의 데이터 보호 영향 평가 (DPIA) 문서화 요구사항을 충족하는 데 활용됩니다.

3. 주요 기여 (Key Contributions)

1. PASTA-4-PHT 파이프라인 개발: PHT 의 수명 주기 (소스, 이미지, 실행) 전반을 아우르는 자동화된 보안 및 기술 감사 파이프라인을 최초로 제안하고 오픈소스로 공개했습니다.
2. 시맨틱 기반 코드 분석: 단순 코드 스캔을 넘어, AST 를 시맨틱 그래프로 변환하여 취약점과 코드 구조를 연결하고, 향후 메타 분석이 가능한 구조를 마련했습니다.
3. 규제 준수 자동화: GDPR 및 데이터 보호 규정 (DPIA) 에 따른 문서화 부담을 줄이기 위해, 감사 결과를 자동으로 보고서화하여 연구자들의 규제 장벽을 낮추는 도구를 제공합니다.
4. FAIR4RS 원칙 적용: 연구 소프트웨어의 Findable, Accessible, Interoperable, Reusable (FAIR) 원칙을 준수하도록 설계되었으며, 소프트웨어의 Granularity Level(GL) 10(코드 조각) 단위까지 세분화된 메타데이터 관리를 지원합니다.

4. 결과 (Results)

저자들은 두 가지 시나리오를 통해 파이프라인을 평가했습니다.

• 제어된 환경 (Controlled Audit): 의도적으로 다양한 취약점 (임의 코드 실행, SQL 인젝션, 취약한 라이브러리, 비밀 정보 노출, 취약한 기반 이미지, 네트워크 통신 등) 을 포함시킨 Train 을 생성하여 파이프라인에 통과시켰습니다.
  • 결과: 모든 단계 (SAST, Secret Detection, Image Analysis, DAST) 에서 의도적으로 삽입된 취약점을 성공적으로 탐지하고 보고서에 기록했습니다.
• 실제 환경 (Real-world Audit): 과거 PHT 연구 (유방암, 피부 병변 분석 등) 에서 사용된 5 개의 실제 Train 에 적용했습니다.
  • 결과:
    • SAST 와 비밀 정보 탐지에서는 대부분의 Train 이 양호한 결과를 보였습니다.
    • **이미지 분석 (Image Analysis)**에서 가장 많은 취약점이 발견되었습니다. 특히 Debian 10 기반의 이미지에서 CVSS 점수 9.0 이상의 치명적 취약점 (버퍼 오버플로우, 인젝션 등) 이 다수 발견되었습니다.
    • DAST 를 통해 Train 별 CPU, 메모리, 네트워크 트래픽 사용량의 편차를 확인하여, 일부 Train 이 비효율적이거나 불필요한 외부 통신을 시도할 수 있음을 시사했습니다.

5. 의의 및 결론 (Significance)

• 보안성 및 투명성 강화: PHT 생태계 내에서 외부 코드 실행으로 인한 보안 위협을 사전에 차단하고, 데이터 처리 과정의 투명성을 확보합니다.
• 규제 대응 효율화: 연구자들이 수동으로 수행하던 보안 검토 및 DPIA 문서 작성 작업을 자동화하여, 민감한 의료 데이터를 활용한 연구의 속도와 안전성을 동시에 높입니다.
• 미래 지향적 접근: 이 도구는 단순한 취약점 스캐너를 넘어, PHT 인프라의 거버넌스, 데이터 보호 정책 준수, 그리고 연구 소프트웨어의 FAIR 화를 위한 핵심 인프라로 자리 잡을 수 있음을 입증했습니다.

이 논문은 PHT 와 같은 분산 의료 데이터 분석 프레임워크의 안전한 확산을 위해 필수적인 자동화 보안 감사 체계의 필요성과 실현 가능성을 제시했습니다.