[論文レビュー] A New Methodology for Information Security Risk Assessment for Medical Devices and Its Evaluation

Tom Mahler, Yuval Elovici+1 more|arXiv (Cornell University)|Feb 17, 2020

Healthcare Technology and Patient Monitoring参考文献 34被引用数 9

ひとこと要約

本論文は、医療機器における情報セキュリティリスク評価のための新規手法TLDRを提案する。この手法は、サイバー攻撃をCAPECオントロジーにマッピングし、専門家パネルを用いて発生確率を推定し、CAPECベースの発生確率と専門家による評価による深刻度を統合することで複合リスクスコアを算出する。本手法は、CAPECベースの発生確率推定と直接の専門家評価との間に強い相関（スピアマンのrho > 0.8）と有意でないt検定結果を示しており、従来の手法に比べて信頼性と効率性に優れていることが実証された。

ABSTRACT

As technology advances towards more connected and digital environments, medical devices are becoming increasingly connected to hospital networks and to the Internet, which exposes them, and thus the patients using them, to new cybersecurity threats. Currently, there is a lack of a methodology dedicated to information security risk assessment for medical devices. In this study, we present the Threat identification, ontology-based Likelihood, severity Decomposition, and Risk integration (TLDR) methodology for information security risk assessment for medical devices. The TLDR methodology uses the following steps: (1) identifying the potentially vulnerable components of medical devices, in this case, four different medical imaging devices (MIDs); (2) identifying the potential attacks, in this case, 23 potential attacks on MIDs; (3) mapping the discovered attacks into a known attack ontology - in this case, the Common Attack Pattern Enumeration and Classifications (CAPECs); (4) estimating the likelihood of the mapped CAPECs in the medical domain with the assistance of a panel of senior healthcare Information Security Experts (ISEs); (5) computing the CAPEC-based likelihood estimates of each attack; (6) decomposing each attack into several severity aspects and assigning them weights; (7) assessing the magnitude of the impact of each of the severity aspects for each attack with the assistance of a panel of senior Medical Experts (MEs); (8) computing the composite severity assessments for each attack; and finally, (9) integrating the likelihood and severity of each attack into its risk, and thus prioritizing it. The details of steps six to eight are beyond the scope of the current study; in the current study, we had replaced them by a single step that included asking the panel of MEs [in this case, radiologists], to assess the overall severity for each attack and use it as its severity...

研究の動機と目的

• ますます接続化が進む医療環境において、医療機器に特化した情報セキュリティリスク評価手法の不足に応えること。
• 医療機器に特化したサイバーリスクを系統的かつ再現可能かつスケーラブルに評価するための体系的で再現可能な手法を開発すること。
• CAPECベースの発生確率推定と直接の専門家評価を比較することで、手法の正確性を検証すること。
• 医療従事者が検証済みでデータドリブンなリスクスコアに基づいてセキュリティ対策の優先順位を決定できるようにすること。
• 標準化された攻撃パターンのマッピングを通じて、多様な医療機器エコシステムにおけるリスク評価を容易にすること。

提案手法

• 医療機器の脆弱なコンponentsを特定し、4種類の医療画像デバイス（mid）に焦点を当てる。
• これらのデバイスを標的とする23の潜在的サイバー攻撃をリスト化する。
• 各攻撃をCAPEC（共通の攻撃パターンの列挙と分類）オントロジーにマッピングして、標準化された分類を実施する。
• CAPECベースのテンプレートを活用し、上級医療情報セキュリティ専門家（ISE）パネルを用いて攻撃の発生確率を推定する。
• CAPECベースの発生確率推定と、上級医療専門家（ME）パネルによる深刻度評価を統合し、複合リスクスコアを算出する。
• 統合された発生確率-深刻度スコアに基づいてリスクを優先順位付けし、実行可能なリスク管理を可能にする。

実験結果

リサーチクエスチョン

• RQ1 CAPECベースの手法は、医療機器のサイバー攻撃に対する発生確率推定を、直接の専門家評価と同等の有効性で行えるか？
• RQ2 CAPECベースの発生確率推定は、医療ISEが直接提供する発生確率推定とどの程度相関しているか？
• RQ3 CAPECベースの発生確率推定と直接の専門家発生確率推定との間に、統計的に有意な差があるか？
• RQ4 TLDR手法は、医療機器セキュリティにおけるリスク評価の効率性と一貫性を向上させることができるか？
• RQ5 攻撃をCAPECにマッピングすることで、医療機器リスク評価のスケーラビリティと標準化はどの程度向上するか？

主な発見

• TLDR手法は、CAPECベースの発生確率推定と直接の専門家評価との間に、高いスピアマン順位相関（rho > 0.8）を達成しており、強い一貫性を示した。
• CAPECベースの発生確率推定と直接の専門家発生確率推定とのペアt検定は帰無仮説を棄却しなかった（p > 0.05）、統計的に有意な差がないことを確認した。
• CAPECベースのアプローチは、直接の専門家評価と同等の有効性を持つ一方で、はるかに少ない作業量と時間で実施可能であった。
• この手法により、医療ISEは発生確率についてコンSENSUSに到達しつつも、リスクスコアの絶対的妥当性を保持した。
• 攻撃をCAPECにマッピングすることで、多数の医療機器およびエコシステムにわたる効率的で標準化され、スケーラブルなリスク評価が可能になった。
• 深刻度評価に専門家パネルを活用し、CAPECベースの発生確率と統合することで、優先順位付けに適した信頼性の高い複合リスクスコアが得られた。