See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/279257359

S curisation des entrep ts de donn es : Etat de

l'art et proposition d'une architecture

Article November 2009

CITATION

4 authors:

READS

141

Salah Triki

Universit de Kairouan

6 PUBLICATIONS 9 CITATIONS

J. Feki

University of Sfax

82 PUBLICATIONS 174 CITATIONS

SEE PROFILE

Han ne Ben-Abdallah

King Abdulaziz University

Nouria Harbi

Universit Lumiere Lyon 2

213 PUBLICATIONS 903 CITATIONS

27 PUBLICATIONS 71 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Business process outsourcing to the cloud View project

Security Governance in Multi-cloud View project

All content following this page was uploaded by J. Feki on 30 May 2016.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document

and are linked to publications on ResearchGate, letting you access and read them immediately.

S curisation des entrep ts de donn es : Etat de lart et propo-

sition dune architecture

Salah TRIKI, Jamel FEKI, Hanene BEN-ABDALLAH, Nouria HARBI

Laboratoire Mir@cl

D partement dInformatique, Facult des Sciences Economiques et de Gestion de Sfax,

Route de lA roport Km 4 3018 Sfax, BP. 1088

{Salah.Triki, Jamel.Feki, Hanene.BenAbdallah}@fsegs.rnu.tn, Nouria.Harbi@univ-lyon2.fr

R sum . Les entrep ts de donn es int grent des donn es provenant de sources

h t rog nes et sont utilis s par les dirigeants pour prendre des d cisions strat -

giques. Etant souvent propri taires, ces donn es peuvent tre sensibles et doi-

vent tre contr l es lacc s d'o la n cessit de leur s curisation. Dans cet ar-

ticle, nous pr sentons dabord une synth se des travaux de recherche relatifs

la s curit des entrep ts de donn es, ensuite nous exposons les grandes lignes

dune proposition pour leur s curisation.

1 Introduction et Motivations

Les entrep ts de donn es sont aliment s par plusieurs sources de donn es qui peuvent tre

h t rog nes ; ils permettent aux utilisateurs d cisionnels dorienter leurs requ tes vers une

seule cible, cest- -dire un seul espace de stockage. Cela vite de g rer lh t rog n it des

sources au moment de lexpression et l valuation des requ tes. En collectant et consolidant

les donn es de sources diff rentes, les entrep ts de donn es permettent aux dirigeants de

prendre des d cisions strat giques et d' tablir des pr visions. En aval des entrep ts, des

extraits orient s sujet et r organis s selon un mod le multidimensionnel sont construits. Ces

extraits sont dits des magasins de donn es ; ils visent faciliter les op rations danalyse

d cisionnelles. Des outils d di s du march dentreposage de donn es ( Data Warehou-

sing ) offrent de nombreuses op rations pour les traitements analytiques en ligne (OLAP :

On-Line Analytical Processing ). Les entrep ts de donn es occupent ainsi une place cen-

trale dans les syst mes dinformation d cisionnels des organisations.

Les entrep ts de donn es visent avoir une vue commune de lensemble des donn es du

syst me op rationnel, permettant ainsi la prise de d cision. Cependant ils cr ent un conflit

(Ralph K. (1997)). Dune part, les entrep ts de donn es doivent permettre un acc s facile aux

donn es et, dautre part, les organisations doivent sassurer que ces donn es ne sont pas

divulgu es sans contr le. En effet certaines donn es sont personnelles et peuvent porter pr -

judice leurs propri taires quand elles sont divulgu es comme, par exemple, les donn es

m dicales, les croyances religieuses ou id ologiques (Eduardo F. et al (2006)). Ainsi, plu-

sieurs gouvernements ont promulgu des lois pour la protection des vies priv es de leurs

citoyens. Parmi ces lois, HIPPA ( Health Insurance Portability and Accountability Act

S curit des entrep ts de donn es

HHS (1996)) vise prot ger les donn es m dicales des patients am ricains en obligeant les

tablissements du secteur des soins de la sant suivre des r gles de s curit strictes. De

m me, GLBA ( Gramm-Leach-Bliley Act GPO (1999)) oblige les organismes financiers

am ricains prot ger les donn es de leurs clients ; quant Safe Harbor (Export (2008))

permet aux entreprises s'y conformant de transf rer et d'utiliser les donn es concernant les

internautes europ ens ; Sarbanes-Oxley (Soxlaw (2002)) garantit la fiabilit des donn es

financi res des entreprises. Les organismes doivent utiliser des r gles de s curit strictes

pour tre conformes ces lois, autrement ils seront sanctionn s. Malgr la pr sence de ces

lois, les aspects de s curit sont quasiment absents dans les entrep ts de donn es.

Le pr sent travail vise deux objectifs. Premi rement, il examine l tat de lart de la s cu-

rit des entrep ts de donn es, et deuxi mement propose une solution pour la s curisation

dun entrep t.

2 Etat de l'art

L tude de l tat de lart des travaux sur la s curit des entrep ts de donn es nous a permis

didentifier deux classes dapproches:

les approches portant sur la s curisation des op rations : ces travaux permettent de r -

pondre aux questions Qui a le droit dacc s et A quoi a-t-il le droit ?

les approches portant sur la pr vention contre les probl mes d'inf rence ; elles per-

mettent de r pondre la question Comment interdire un utilisateur d'inf rer des don-

n es prot g es partir des donn es accessibles ?

Bien videmment, les deux classes dapproches se compl mentent dans les services de s cu-

rit quelles offrent. Dans la suite de cette section, nous exposons les caract ristiques de

chacune de ces deux classes afin de d gager leurs points forts et leurs insuffisances. Ensuite,

nous enchainons sur une proposition pour la s curisation des entrep ts de donn es.

2.1 Approches de s curisation des op rations

Priebe et Pernul (2000) proposent une m thodologie multi-phases pour la conception de la

s curit des entrep ts de donn es. Les phases de la m thodologie sont : analyse pr liminaire,

conception, mod lisation logique, mod lisation physique et implantation. En se focalisant sur

la phase danalyse pr liminaire les auteurs d finissent deux cat gories de besoins en s curit ,

les besoins basics et les besoins avanc s. Les besoins basics consistent cacher un cube, les

faces d'un cube, les d tails des donn es, et/ou les dimensions. Tandis que les besoins avanc s

consistent cacher les d tails de certaines faces d'un cube, et/ou d finir des r gles de s curit

d pendant des donn es elles m mes.

Les besoins d finis par les auteurs couvrent toutes les donn es existantes dans un entrep t de

donn es, par contre ils nont pas propos une d marche pour leur identification.

Rosenthal et Sciore (2000) proposent une m thode bas e sur le langage SQL. Elle permet

de s curiser un entrep t de donn es en consid rant les r gles de s curit d finies par les

administrateurs des sources de donn es. Cette m thode se base sur les trois r gles suivantes :

Lacc s une table n cessite deux autorisations :

Triki et al.

le droit dinformation, accord par ladministrateur de sources des donn es : Qui a

acc s et quelle information ? (Par exemple, le salaire des employ s est accessible

au pr sident).

le droit physique, accord par ladministrateur de lentrep t de donn es : Qui a ac-

c s et quelle table physique ? (Par exemple, les analyste-d cideurs ont le droit

dinterroger la table des ventes).

Ainsi un utilisateur na le droit dacc der une table que sil poss de simultan ment

ces deux droits, information et physique.

Si un utilisateur a le droit dex cuter une requ te Q, alors cet utilisateur aura le droit

dex cuter toute requ te Q quivalente Q. Ainsi, cette r gle permet dinf rer de nou-

velles autorisations ; par cons quent, la t che de ladministrateur sera all g e. Par

exemple, si un utilisateur a le droit dinterroger une vue d finie entre deux tables T1 et

T2 mais ne dispose pas du droit dinterroger chacune de ces deux tables, alors il sera

autoris dex cuter une requ te de jointure entre T1 et T2.

La m thode propos e par les auteurs se base sur le langage SQL qui est tr s r pandue et tr s

simple, cependant elle pr sente les inconv nients suivants :

La n cessit de r cup rer les droits dinformation par lutilisateur de la source. G n ra-

lement, ces droits ne sont pas explicitement d finis par des commandes LMD ( Lan-

gage de Manipulation de Donn es ) mais sont implicitement exprim s travers des

vues relationnelles do la n cessit dune analyse de toutes les vues.

La difficult de faire correspondre une information s curis e avec son homologue dans

lentrep t de donn es surtout si cette derni re a subit une transformation significative

(e.g., calcul) lors du processus ETL ( Extract/Transform/Load ) de son chargement

dans lentrep t de donn es.

Les entrep ts de donn es utilisent des mod les de contr les dacc s. Parmi ces mod les,

RBAC (Role-Based Access Control, Sandhu et al. (1996)) qui se base sur le r le quoccupe

lutilisateur dans lorganisation pour prendre les d cisions dacc s. Les entrep ts de donn es

doivent r pliquer les contraintes de s curit qui existent dans les sources. Si par exemple, les

sources de donn es exigent une contrainte de s curit qui indique que les analyste-d cideurs

nont acc s qu la table Vente alors une contrainte du m me type doit exister dans lentrep t

de donn es. Lorsque ladministrateur de lentrep t veut augmenter les privil ges des utilisa-

teurs, il faut quil informe ladministrateur de la source de donn es. Celui-ci peut accepter ou

refuser. Thuraisingham et al. (2007) proposent le mod le E-RBAC (Extended-Role Based

Access Control) qui permet de g rer ce cas. Cest une combinaison du mod le RBAC et du

mod le de contr le dusage UCON (Usage Control Model, Jaehong P. R. S. (2004)). UCON

se base sur des conditions des obligations et des droits pour prendre les d cisions dacc s.

Les obligations assurent le respect des droits dacc s d finis dans les sources tandis que les

conditions d finies partir des r gles de s curit permettent de g rer les conflits entre ces

derni res. Un conflit se produit dans le cas de r gles contradictoires, par exemple les ana-

lyste-d cideurs ont le droit dacc der la table Vente dans la source A mais ne poss dent pas

ce droit dans la source B.

Le mod le propos par les auteurs se base sur deux mod les tr s r pandus facilitant ainsi son

int gration dans les syst mes existants, n anmoins son implantation est difficile et n cessite

un temps dex cution important.

Villarroel et al. (2006) proposent un profil UML (OMG (2005)) pour mod liser la s curit

ainsi quune extension du langage OCL ( Object Constraint Language ) (OMG (2006))

S curit des entrep ts de donn es

afin de sp cifier les contraintes de s curit lors de la phase de conception dun entrep t de

donn es. Le profil UML, nomm SECDW ( Secure Data Warehouse ), comprend de nou-

veaux types, st r otypes et valeurs tiquet es. Il permet de prendre en compte les contr les

dacc s obligatoire ( Mandatory Access Control USDoD (1985)) et RBAC (cf. Tab 1 et

Tab 2).

Le Tableau 1 indique les nouveaux types de donn es d finis dans SECDW et le Tableau 2

montre leurs valeurs correspondantes. SECDW comporte quatre st r otypes :

les st r otypes de classes s curis es et entrep t de donn es s curis s comprenant

des valeurs tiquet es associ es aux attributs, niveaux de s curit , r les et compar-

timents,

les st r otypes dattributs et dinstances contenant des valeurs tiquet es associ es

aux niveaux de s curit , r les et compartiments,

les st r otypes permettant de repr senter les contraintes de s curit , les r gles

dautorisation et les r gles daudit.

le st r otype UserProfile concernant la cr ation de contraintes d pendantes des in-

formations des utilisateurs.

Nom

Classe de base

Description

Niveau

Enumeration

Niveaux (de

s curit )

R le

Primitif

Compartiment

Enumeration

Privil ge

Enumeration

TentativeAcc s Enumeration

Le type Niveau est compos de tous les niveaux de

s curit consid r s

Le type Niveaux (de s curit ) contient le niveau de s curit

le plus bas et le niveau de s curit le plus haut.

Le type R le repr sente une hi rarchie de r les

dutilisateurs

Le type Compartiment est compos de tous les

compartiments dutilisateurs

Le type Privil ge est compos de tous les privil ges consid -

r s

Le type TentativeAcc s est compos des diff rentes tenta-

tives dacc s

Tab 1 - Les nouveaux types de donn es de SECDW (Villarroel et al. 2006)

Nom

Type

Description

Classes

Set(OclType)

Attributs

Set(OclType)

NiveauxS curit

Niveaux

R lesSecurit

Set(R le)

toutes

Sp cifie

les classes du

mod le. Cette valeur tiquet e

permet de naviguer

travers

toutes les classes du mod le.

Sp cifie tout les attributs dune

classe. Cette valeur tiquet e

permet de naviguer travers tous

les attributs du mod le.

Sp cifie la valeur de lintervalle

de niveau de s curit , quune

instance dune classe peut rece-

voir.

Sp cifie un ensemble de r les

dutilisateur. Chaque r le est la

racine dun sous arbre de hi rar-

Valeur par

d faut

Ensemble vide.

Le niveau le

plus bas.

Lensemble

compos

r le qui est

est

dun

Triki et al.

Comparti-

mentsS curit

Set(Compartiment)

ClassesImpliqu es Set(OclType)

LogType

TentativeAcc s

AutorisationSign

+,-

AutorisationPrivi-

l ge

Set(Privil ge)

estTemps

Bool en

D rivationR le

Chaine de carac-

t res

chie de

lorganisation.

r les d finis dans

Sp cifie un ensemble de compar-

timents.

Sp cifie les classes qui sont im-

pliqu es dans une requ te.

Sp cifie les acc s qui doivent tre

journalis s

Sp cifie lautorisation dacc s

une classe pour un utilisateur ou

un groupe dutilisateurs.

autoris (+)

interdit (-)

Sp cifie les privil ges attribu s ou

retir s un utilisateur.

Sp cifie si une dimension repr -

sente le temps ou non.

Si lattribut est d riv , cette valeur

tiquet e repr sente la r gle de

d rivation.

hi rarchie

r les d finis pour

lorganisation.

Ensemble vide

de compartiments

Vide

Lecture

Faux

Vide

Tab 2 : Les valeurs tiquet es de SECDW (Villarroel et al. 2006)

Il existe plusieurs types de mod le RBAC. Dans le type hi rarchique les r les sont d finis en

suivant la hi rarchie des r les des utilisateurs dans lorganisation. Ainsi un r le est constitu

dun sous ensemble des droits dacc s appartenant celui qui le pr c de dans la hi rarchie.

Par exemple, les employ s auront un sous ensemble des droits dacc s inf rieur celui du

directeur. Villarroel et al. (2006) ont ajout un nouveau type appel Tree permettant de re-

pr senter la hi rarchie des r les.

Le profil propos par les auteurs est bas sur le langage UML implant par plusieurs outils ;

cependant, ils se sont limit s au niveau conceptuel et nont pas propos une d marche pour

l laboration dun mod le dentrep t de donn es s curis .

Soler et al. (2006) proposent une extension du CWM ( Common Warehouse Metamodel )

(OMG 2003) (cf. Fig 1) afin de d finir les r gles de s curit et daudit au niveau logique.

FIG 1 : Le m tamod le CWM (OMG 2003)

Dans cette extension, les auteurs se sont focalis s sur le package Relational de la couche

Resource du CWM. Les extensions apport es sont (cf. Fig 2) :

S curit des entrep ts de donn es

lajout de la m taclasse SecurityProperty ainsi que ses sous-metaclasses SecurityLe-

vels, SecurityCompartments et SecurityRole. Celles-ci permettent dattribuer des ca-

t gories aux donn es et aux utilisateurs et daffecter ces derniers des r les.

lajout de la metaclasse SecurityConstraint et de ses sous-metaclasses AuditRule,

AuthorizationRule et SecurityRule permettant de sp cifier les contraintes de s curit

et les r gles daudit.

FIG 2 : Mod lisation Relationnelle S curis e dun entrep t de donn es (Soler et al. 2006)

Lextension propos e par les auteurs prend en compte les mod les de s curit RBAC et obli-

gatoire mais elle nest valable que pour le mod le de donn es relationnel.

Soler et al. (2007) proposent une approche MDA ( Model Driven Approach ) (cf. Fig 3)

pour le d veloppement dun entrep t de donn es s curis . Cette approche exploite le langage

QVT ( Query View Transformation ) pour automatiser le passage du niveau conceptuel

(Villarroel et al. (2006)) au niveau logique (Soler et al. (2006)).

Lapproche MDA propos e par les auteurs traite la s curit au niveau conceptuel et au ni-

veau logique ; toutefois, ces auteurs nont pas pr vu une m thode pour v rifier que les con-

traintes de s curit d finies au niveau conceptuel sont respect es au niveau logique.

FIG 3 : Approche MDA pour la s curisation dun entrep t de donn es (Soler et al. 2007)

i* est un framework (Eric S. K. Y. (1997)) permettant de mod liser les besoins lors de la

phase danalyse dun projet informatique. Soler et al. (2008) proposent un profil bas sur i*

Triki et al.

qui permet de mod liser les besoins en s curit dun entrep t de donn es au niveau m tier

dune approche MDA. Ce profil permet de :

repr senter lacteur Gestionnaire de s curit qui est la personne charg e de la s cu-

rit dans une organisation,

mod liser les besoins en s curit , et

d finir les compartiments, les niveaux et les r les des utilisateurs en tant que res-

sources.

Les auteurs proposent un profil qui prend en compte le mod le RBAC et le mod le obliga-

toire par contre ils nont pas propos une d marche pour identifier les besoins en s curit .

Nouria H. et al (2008) ont tudi l tat de lart et pr sent une tude comparative concernant

quelques travaux de recherche sur la s curisation des entrep ts. De m me ils ont d taill

laspect s curit des outils commerciaux OLAP. L tude comparative est bas e sur les quatre

crit res suivants :

Int grit : les donn es ne sont pas corrompues,

Confidentialit : les donn es ne sont accessibles quaux utilisateurs autoris s,

Disponibilit : les donn es sont accessibles en permanence, et
Authenticit : lorigine et lint grit des donn es sont garanties.

Ces crit res correspondent aux quatre services de s curit retenus pour les entrep ts de don-

n es.

L tude a montr que :

la majorit des travaux concluent que la s curit physique (des infrastructures, des

serveurs&) est insuffisante pour garantir la s curit dun entrep t de donn es,

lessentiel des travaux a port sur la gestion de la confidentialit ,

aucun travail ne propose une d marche pour la s curisation de toutes les phases du

processus dentreposage (Nouria H. 2008),

quelques outils commerciaux fournissent des m canismes pour la gestion des droits

dacc s, mais

aucun outil ne propose un standard de contr le dacc s dans le monde multidimen-

sionnel.

Les auteurs ont d fini les exigences en s curit dun entrep t de donn es ; cependant, ils

nont pas pris en compte le cas des inf rences.

Apr s cette pr sentation des principaux travaux sur la s curisation dans les entrep ts de don-

n es exprim e au niveau des op rations, nous passons la deuxi me classe dapproches, qui

porte sur la pr vention des inf rences.

2.2 Pr vention des inf rences

Sung et al. (2006) d finissent la s curisation des donn es comme un moyen pour pr server

la confidentialit des donn es des cellules dun cube tout en fournissant les r ponses aux

requ tes avec une exactitude lev e et en respectant les trois objectifs de :

S curit : les donn es sensibles ne doivent pas tre divulgu es,

Exactitude : les r sultats des requ tes doivent avoir un degr dexactitude lev , et
Accessibilit : les restrictions ne doivent pas interdire les requ tes l gitimes.

S curit des entrep ts de donn es

La m thode zero-sum, quils proposent, prend en compte uniquement les requ tes de somma-

tion. Elle consiste ajouter des valeurs al atoires aux cellules afin dalt rer leur contenu. Les

sommes des valeurs al atoires par lignes et par colonnes sont gales 0.

La m thode zero-sum pr serve la s curit des donn es tout en r pondant aux requ tes avec

un degr dexactitude important ; toutefois, elle n cessite un temps de calcul important et ne

traite que les requ tes de type somme.

Cuzzocrea et al. (2008) proposent un framework qui permet de g n rer partir dun cube A

un cube A respectant les contraintes de s curit . Celles-ci se basent sur des m triques dont la

fiabilit est reconnue par le domaine de la s curisation des donn es (Dwork, C. (2008)).

Ce framework permet de s lectionner :

une fraction des dimensions,

les r gions des donn es ayant une distribution biais e, et

les donn es qui satisfont aux contraintes de s curit pour chaque r gion.

Le framework ne n cessite pas un temps de calcul important ; mais il pr sente

linconv nient de ne pas traiter les requ tes de type SUM et AVG, tr s fr quentes dans les

entrep ts de donn es.

3 Synth se de l tat de lart

Les travaux sur la s curisation des op rations traitant la s curit aux niveaux conceptuel et

physique sont les plus nombreux. Les travaux sur la pr vention des inf rences ne traitent

quun seul type de requ tes.

Le Tableau 3 r capitule les avantages et les limites des travaux que nous avons pr sent s

dans cet article.

Travaux

Priebe et Pernul (2000)

Avantages

Utilisation de

pour d finir les besoins.

langage naturel

Rosenthal et Sciore (2000)

Simplicit car bas sur le langage

SQL.

Thuraisingham et al. (2007) Comble les manques du mod le

Villarroel et al. (2006)

RBAC qui est tr s utilis .

Prise en compte des mod les

RBAC et obligatoire.

Soler et al. (2006)

Soler et al. (2007)

Prise en compte du mod le

RBAC et mandataire.

Traitement de la s curit au

niveau conceptuel et au niveau

logique.

Limites

Absence de d marche pour

lidentification des besoins

en s curit .

Difficult

valida-

tion/v rification des be-

soins.

La s curit est trait e au

niveau physique seulement.

Difficile implanter.

Uniquement le niveau

conceptuel a t pris en

compte,

Pas de d marche pour la

conception dun entrep t

de donn es s curis .

Ne traite pas le mod le

objet.

Pas de m thode pour v ri-

fier que les concepts de

s curit , d finis au niveau

conceptuel ont t respec-

Triki et al.

Soler et al. (2008)

Nouria et al (2008)

Sung et al. (2006)

Cuzzocrea et al. (2008)

Prise en compte du mod le

RBAC et obligatoire.

D finition des exigences en

s curit dun entrep t de don-

n es.

Pr servation de la s curit des

donn es tout en r pondant aux

requ tes

degr

dexactitude important.

Introduction de la notion de

compression qui permet de r -

duire le temps de calcul.

avec

t s au niveau logique.

Pas de d marche pour

identifier les besoins.

Le cas des inf rences na

pas t pris en compte.

N cessite un temps de

calcul important,

Traite uniquement les

requ tes de types somme.

Pas de prise en compte des

requ tes fr quentes dans

les entrep ts de donn es de

type SUM, AVG.

Tab 3 : Synth se des travaux sur la s curit des entrep ts de donn es

4 Proposition dune approche pour la s curisation des entre-

p ts de donn es

Afin de s curiser un entrep t de donn es, nous proposons une approche qui permet

demp cher dinf rer des donn es cach es partir des donn es accessibles tout en prenant en

compte la s curit des op rations. Ainsi, notre approche se base sur une combinaison des

propositions actuelles permettant une s curisation globale.

FIG 4 : Approche propos e pour la s curisation dun entrep t de donn es

La Figure 4 d crit cette approche qui comporte principalement les trois volets suivants :

D tection des d pendances entre les donn es.

S curit des entrep ts de donn es

Cr ation dun r seau Bay sien en se basant sur les d pendances entre les donn es.

Un r seau Bay sien est un graphe dans lequel les relations de cause effet entre les

nSuds sont probabilis es.

Par exemple, un avion ne peut atterrir que sur une piste ayant une certaine longueur mi-

nimale. Sachant que la longueur de la piste ne doit pas tre divulgu e, si nous savons

que lavion Av1 a atterri sur la piste P1 alors nous pouvons d duire la longueur minimale

de la piste. La d pendance entre lattribut Avion et lattribut Piste datterrissage peut

tre repr sent e par le r seau Bay sien de la Figure 5. Le Tableau 4 contient les proba-

bilit s dinf rer la longueur dune piste ; o lon distingue quatre cas :

1- Longueur minimale de la piste datterrissage exig e par un avion est inconnue ; la

probabilit concernant la longueur de la piste est la m me pour les trois types

datterrissage ; courte, moyenne et longue ; elle est gale 0,33

2- Longueur minimale de la piste datterrissage exig e par un avion est courte ; apr s at-

terrissage de lavion, la probabilit est aussi la m me pour les trois types ; sa valeur est

de 0,33

3- Longueur minimale de la piste datterrissage exig e par un avion est moyenne ; dans

ce cas apr s atterrissage de lavion la probabilit concernant le type de piste est 0 pour

la courte, 0,5 pour la piste moyenne et de 0,5 pour la piste longue.

4- Longueur minimale de la piste datterrissage exig e par un avion est longue ; dans ce

cas, apr s atterrissage la probabilit est de 0 pour la courte et la moyenne et elle est de 1

pour la piste longue.

FIG 5 : R seau Bay sien mod lisant la d pendance entre Avion et Piste datterrissage

Longueur

de la piste

Courte

Moyenne

Longue

Avion (longueur minimale de la piste datterrissage)

Courte

0,33

Moyenne

0,5

Inconnue

0,33

Longue

Tab 4 : Les probabilit s dinf rer la longueur dune piste

Cr ation dun module de s curit . Le fonctionnement de ce module concerne

lautorisation ou le refus de nouvelles requ tes. Il se compose de deux parties. La

premi re partie est relative la s curisation des op rations, la deuxi me porte sur

la d tection des inf rences laide de lhistorique des requ tes et du r seau Bay -

sien : apr s lancement dune requ te, trois tapes sont franchir :

1- la partie s curisation des op rations v rifie que la requ te, ne viole aucune r gle

de s curit ,

2- la partie d tection des inf rences consulte lhistorique des requ tes de lutilisateur

et calcule les probabilit s du r seau Bay sien,

3- apr s v rification, sur la base des probabilit s calcul es la requ te demand e est

autoris e ou refus e.

Triki et al.

5 Conclusion

Dans cet article, nous avons men une tude et pr sent une synth se de l' tat de l'art sur la

s curit des entrep ts de donn es. Les travaux, jusque l propos s ont abord la probl ma-

tique de la s curit des entrep ts de donn es selon deux approches : la s curisation des op -

rations et la pr vention des inf rences. Toutefois, la majorit de ces travaux sont relatifs la

premi re classe sans pour autant prendre en compte les cas de sources structurellement h t -

rog nes ou ayant des mod les de s curit diff rents.

Quant aux quelques travaux dans le cadre de la pr vention des inf rences, nous constatons

qu'ils ne prennent en compte qu'un seul type de requ tes utilisant les fonctions dagr gation :

MAX ou SUM.

A la lueur de cet tat de l'art, nous avons pr sent une approche pour la s curisation des

entrep ts de donn es bas e sur les r seaux Bay siens et qui combine les deux axes de la

s curit des entrep ts : les op rations et les inf rences de donn es cach es. Cette proposition

est en cours de finalisation pour tre implant e et test e.

R f rences

Cuzzocrea, A., Russo V., et Sacc D. (2008). A robust sampling-based framework for pri-

vacy preserving olap. In DaWaK, pp. 97114. Springer.

Dwork, C. (2008). Differential privacy : A survey of results. In TAMC, pp. 119.

Eduardo F., Juan T., Rodolfo V., et Mario P. (2006). Access control and audit model for the

multidimensional modelling of data warehouses. In Decision Support Systems Volume

42 , Issue 3, pages: 1270 1289.

Eric S. K. Y. (1997). Towards modelling and reasoning support for early-phase requirements

engineering. Proceedings of the Third IEEE International Symposium on Requirements

Engineering.

Export (2008). http://www.export.gov/safeharbor/

Jaehong P. R. S. (2004). The UCON usage control model. In Proceedings of ACM Trans.

Inf. Syst. Secur., vol 7, pages 128--174.

HHS (1996). http://www.hhs.gov/ocr/privacy/index.html

Nouria H. (2008). Cours: S curit des entrep ts de donn es, Master 2 ECD, Universit Lu-

mi re Lyon2.

Nouria H., Maaroufi G., Omar B. (2008) S curit des entrep ts de donn es - tat de lart -.

Troisi me Atelier sur les Syst mes D cisionnels. 10-11 octobre 2008, Mohammedia, Ma-

roc.

OMG (2003). Common Warehouse Metamodel (CWM), Version 1.1.

OMG (2006) Object Constraint Language (OCL), Version 2.0.

OMG (2005) Unified Modeling Language (UML),Version 2.0.

S curit des entrep ts de donn es

Priebe, T. et Pernul G. (2000). Towards OLAP security design - survey and research issues.

In International Workshop on Data Warehousing and OLAP.

GPO (1999). http://www.gpo.gov/fdsys/pkg/PLAW-106publ102/content-detail.html

Ralph K. (1997). Hackers, Crackers, and Spooks; ensuring that your data warehouse is se-

cure. DBMS Magazine.

Rosenthal, A. et Sciore E. (2000). View security as the basis for data warehouse security. In

CAiSE Workshop on Design and Management of Data Warehouses.

Sandhu, R. S., Coyne E.J., Feinstein H.L. et Youman C.E. (1996), "Role-Based Access

Control Models", IEEE Computer 29(2): 38-47, IEEE Press, 1996.- proposed a frame-

work for RBAC models

Soler, E., V. Stefanov, J.-N. Maz n, Trujillo J., Fern ndez-Medina E., et Piattini M. (2008).

Towards comprehensive requirement analysis for data warehouses : Considering security

requirements. In ARES, pp. 104111. IEEE Computer Society.

Soler, E., Trujillo J., Fern ndez-Medina E., et Piattini M. (2007). A framework for the devel-

opment of secure data warehouses based on mda and qvt. In ARES, pp. 294300. IEEE

Computer Society.

Soler, E., Villarroel R., Trujillo J., Fern ndez-Medina E., et Piattini M. (2006). Representing

security and audit rules for data warehouses at the logical level by using the common

warehouse metamodel. In ARES, pp. 914921. IEEE Computer Society. Sung, S., Y. Liu,

et P. Ng (2006). Privacy preservation for data cubes. Knowledge and Information Sys-

tems 9, 3861.

Soxlaw (2002). http://www.soxlaw.com/

Sung S. Y., Liu Y., Xiong H., Peter A. (2006). Privacy preservation for data cubes. In

Knowledge and Information Systems 9, pp 38-61.

USDoD (1985). Trusted Computer System Evaluation Criteria. United States Department of

Defense. December 1985. DoD Standard 5200.28-STD.

Thuraisingham, B., Kantarcioglu M., et Iyer S.(2007). Extended rbac-based design and im-

plementation for a secure data warehouse. IJBIDM 2, 367382.

Villarroel, R., Fern ndez-Medina E., Piattini M., et Trujillo J. (2006). A uml 2.0/ocl exten-

sion for designing secure data warehouses. Journal of Research and Practice in Informa-

tion Technology 38.

Summary

Data warehouses integrate data from heterogeneous sources and are used by decisional users

to make strategic decisions. These data may be sensitive and should not be accessed without

controls thus the need for their security is highly required. In this article we present a synthe-

sis of research in the field of data warehouse security and we propose an approach for their

secure.

View publication stats

Sécurisation des entrepôts de données : Etat de l'art et proposition d'une architecture