[論文レビュー] Aegis: A Context-aware Security Framework for Smart Home Systems

Amit Kumar Sikder, Leonardo Babun+2 more|arXiv (Cornell University)|Oct 9, 2019

Advanced Malware Detection Techniques参考文献 27被引用数 14

ひとこと要約

Aegisは、ユーザーの行動中のデバイスおよびセンサーの状態遷移を分析することで、スマートホームシステムにおける悪意ある行動を検出する文脈認識型セキュリティフレームワークである。文脈モデルを構築し、悪意ある行動と良性の行動を区別する。実世界の複数のスマートホーム環境で評価された結果、Aegisは5種類の異なる脅威タイプを95％以上の精度で検出でき、最小限のパフォーマンスオーバーヘッドで、ソースコードの変更やユーザー定義ポリシーに依存しない、実行時における強固で実装可能なセキュリティを実現した。

ABSTRACT

Our everyday lives are expanding fast with the introduction of new Smart Home Systems (SHSs). Today, a myriad of SHS devices and applications are widely available to users and have already started to re-define our modern lives. Smart home users utilize the apps to control and automate such devices. Users can develop their own apps or easily download and install them from vendor-specific app markets. App-based SHSs offer many tangible benefits to our lives, but also unfold diverse security risks. Several attacks have already been reported for SHSs. However, current security solutions consider smart home devices and apps individually to detect malicious actions rather than the context of the SHS as a whole. The existing mechanisms cannot capture user activities and sensor-device-user interactions in a holistic fashion. To address these issues, in this paper, we introduce Aegis, a novel context-aware security framework to detect malicious behavior in a SHS. Specifically, Aegis observes the states of the connected smart home entities (sensors and devices) for different user activities and usage patterns in a SHS and builds a contextual model to differentiate between malicious and benign behavior. We evaluated the efficacy and performance of Aegis in multiple smart home settings (i.e., single bedroom, double bedroom, duplex) with real-life users performing day-to-day activities and real SHS devices. We also measured the performance of Aegis against five different malicious behaviors. Our detailed evaluation shows that Aegis can detect malicious behavior in SHS with high accuracy (over 95%) and secure the SHS regardless of the smart home layout, device configuration, installed apps, and enforced user policies. Finally, Aegis achieves minimum overhead in detecting malicious behavior in SHS, ensuring easy deployability in real-life smart environments.

研究の動機と目的

• アプリベースのスマートホームシステム（SHSs）における悪意あるアプリやデバイスの改ざんによる増大するセキュリティリスクに対処すること。
• 既存のソリューションが個々のデバイスやアプリを独立して分析するのではなく、ユーザーの行動およびシステム全体の相互作用の文脈において分析することの限界を克服すること。
• ソースコードのアクセスやユーザー定義ポリシーを必要としない、実行時における行動ベースの検出システムを構築すること。
• 多様なスマートホームのレイアウト、デバイス構成、ユーザーポリシーにわたって高い検出精度を維持すること。
• 生のユーザーデータの保存を回避することで、システムのオーバーヘッドを最小限に抑え、ユーザーのプライバシーを保護すること。

提案手法

• Aegisは、ユーザーの行動中にセンサーおよびデバイスの状態変化（有効/無効）をリアルタイムで観測し、文脈的な行動パターンを捉える。
• 特定のユーザー行動（例：寝室からホールへ移動）と関連付けることで、デバイスおよびセンサーのアクティベートのシーケンスを相関させ、文脈モデルを構築する。
• センサーイベントとデバイス応答（例：動き検知センサーが照明を点灯）の時間的および空間的相関を用いて、期待される行動を検証する。
• ソースコードの変更やデバイスのインストルメンテーションを必要とせず、実行時におけるデバイスの行動パターンを分析する。
• 中央集権的なアクセスポイントからデータを集約することで、異種のスマートホームデバイスにわたるスケーラブルな監視を可能にする。
• 学習された文脈的基準からの逸脱に基づいて、行動を良性または悪意あるものに分類するための機械学習技術を適用する。

実験結果

リサーチクエスチョン

• RQ1 ユーザー行動の文脈を活用することで、個々のデバイスやアプリの分析に代えて、スマートホームシステムにおける悪意ある行動を効果的に検出する方法は何か？
• RQ2 実世界のスマートホーム環境において、センサー-デバイス-ユーザー相互作用のシーケンスをモデル化することで、どの程度の検出精度が達成可能か？
• RQ3 ユーザー入力やポリシー設定を必要とせず、ユーザーの行動の文脈に即したフレームワークが、多様なスマートホームのレイアウト、デバイス構成、ユーザーポリシーにおいても高い検出性能を維持できるか？
• RQ4 従来のフォレンジック分析や静的解析に基づくアプローチと比較して、Aegisはオーバーヘッドとプライバシー保護の点でどの程度優れているか？
• RQ5 攻撃の特徴パターンを事前に知らなくても、Aegisは複数の多様な悪意ある行動をどの程度検出できるか？

主な発見

• Aegisは、単一の寝室、二つの寝室、デュプレックス構成を含む、複数の実世界のスマートホーム環境において、悪意ある行動の検出で95％以上の精度とFスコアを達成した。
• フレームワークは、サービス拒否攻撃、不正アクセス、データ漏洩攻撃を含む5種類の異なる悪意ある行動を正常に検出できた。
• スマートホームのレイアウト、ユーザー数、適用されたユーザーポリシーにかかわらず、高い検出性能を維持しており、優れた一般化性能を示した。
• システムの実行時オーバーヘッドは最小限であり、実世界のスマートホーム環境への展開に適している。
• Aegisはスマートホームデバイスからのユーザーデータを保存しないため、従来のログベースのアプローチと比較して、プライバシーリスクを顕著に低減した。
• フレームワークはソースコードのアクセスや変更を必要としないため、Samsung SmartThingsのような既存のスマートホームプラットフォームへの展開が可能である。