[論文レビュー] A systematic literature review on Ransomware attacks

Shweta Vasoya, Krishna Bhavsar+1 more|arXiv (Cornell University)|Dec 8, 2022

Advanced Malware Detection Techniques被引用数 4

ひとこと要約

本系統的文献レビューは、ランサムウェア攻撃のライフサイクル、タイプ（暗号化型とロック型）、暗号化技術、および防御メカニズムを分析し、検出、予防、ブロックチェーンベースの追跡におけるギャップを特定する。早期予測の向上と攻撃成功の低減を目的として、インクリメンタル学習を用いたアンサンブル検出と改善された暗号解析の提案を行う。ユーザーの意識と段階的セキュリティフレームワークが、レジliエンスにとって不可欠であることを強調する。

ABSTRACT

In the area of information technology, cybersecurity is critical. Information security is one of todays highest priorities. Cyber attacks, which are on the rise and include Ransomware, are the first thing that springs to mind when we think about cybersecurity. To counteract cybercrime, several governments and companies employ a range of strategies. Despite several cybersecurity measures, ransomware continues to terrify people.

研究の動機と目的

• 多様なセクターにおけるランサムウェア攻撃の進化する性質とライフサイクルを理解すること。
• 特にリアルタイム対応における限界を含め、現在の検出および予防メカニズムの欠陥を特定すること。
• ビットコインなどの暗号通貨が、匿名のランサム料支払いを可能にすることで、サイバー犯罪者にとってランサムウェアを魅力的にしている役割を分析すること。
• 既存の防御戦略を評価し、実装および効果性におけるギャップを強調すること。
• 予測検出および強化されたフォレンジック追跡に焦点を当てた、将来的な研究フレームワークの提案すること。

提案手法

• 学術的資料の系統的文献レビューを実施し、ランサムウェア攻撃のパターンと進化をマッピングする。
• 行動に基づき、ランサムウェアを主に2つのタイプに分類する：暗号化型（ファイルの暗号化）とロック型（OSのロック）の2種類。
• データ機密性を確保するための強力な対称暗号および非対称暗号技術を分析する。
• 静的および動的解析、動作モニタリング、実行時データの検査などの検出手法を評価する。
• 進化するランサムウェアのストレインをリアルタイムで検出するためのアンサンブル分類およびインクリメンタル学習モデルを提案する。
• ユーザー教育、バックアップ、および高度な暗号解析を統合した段階的セキュリティフレームワークを提唱し、ランサム支払いの追跡を可能にする。

実験結果

リサーチクエスチョン

• RQ1 最近の文献で特定されたランサムウェア攻撃ライフサイクルの主な段階と特徴は何か？
• RQ2 暗号化型ランサムウェアとロック型ランサムウェアは、そのメカニズムとシステムへの影響でどのように異なるか？
• RQ3 現在のランサムウェア検出および予防技術における主な欠陥は何か？
• RQ4 ブロックチェーンフォレンジックスおよび暗号解析は、ランサム支払いの追跡をどのように改善し、サイバー犯罪者のインcentiveを低下させるか？
• RQ5 ユーザーの意識とシステムの硬化は、ランサムウェアリスクの軽減において果たす役割は何か？

主な発見

• ランサムウェア攻撃は、最近の変種がワナクライクスのように自動伝搬を用いるなど、非常に動的な脅威へ進化している。これにより、社会的工学への依存が低下している。
• 現在の検出システムは、リアルタイムでの適応性の欠如と不十分な特徴工学のため、ランサムウェアを適切に特定できないことが多い。
• ビットコインやその他の匿名デジタル通貨の使用により、攻撃者が追跡不能な状態を保てるため、サイバー犯罪者にとってランサムウェアが魅力的になっている。
• 暗号化前分析と実行時モニタリングは、特に多様性を持つ攻撃やゼロデイ攻撃では、効果が限定的である。
• インクリメンタル学習を用いたアンサンブル分類は、進化するランサムウェア行動の検出精度を向上させる可能性を示している。
• 標準化され、公開可能なデータセットの不足が、新しい検出ツールの開発とベンチマークに悪影響を及ており、イノベーションの速度を遅くしている。