[論文レビュー] Challenges and Opportunities in CPS Security: A Physics-based Perspective

Chuadhry Mujeeb Ahmed, Jianying Zhou|arXiv (Cornell University)|Apr 7, 2020

Smart Grid Security and Resilience参考文献 58被引用数 11

ひとこと要約

本論文では、センサーからの内在的測定ノイズを分析することで、サイバー物理的攻撃を検出する物理ベースの受動的センサー指紋技術であるNoiSenseを提案する。センサーのノイズを固有のガウス指紋としてモデル化することで、追加のハードウェアを必要とせず、偽装または悪意あるセンサーの正確な同定が可能となり、20台のセンサーを用いたテストで100%の分類精度を達成した。これにより、インフラシステムにおける整合性保護が強化される。

ABSTRACT

The integration of cyber technologies (computing and communication) with the physical world gives rise to complex systems referred to as Cyber Physical Systems (CPS), for example, manufacturing, transportation, smart grid, and water treatment. Many of those systems are part of the critical infrastructure and need to perform safely, reliably, and securely in real-time. CPS security is challenging as compared to the conventional IT systems. An adversary can compromise the system in both the cyber and the physical domains. However, the unique set of technologies and processes being used in a CPS also bring up opportunities for defense. CPS security has been approached in several ways due to the complex interaction of physical and cyber components. In this work, a comprehensive study is taken to summarize the challenges and the proposed solutions for securing CPS from a Physics-based perspective.

研究の動機と目的

• 従来の侵入検知システムが物理ドメインにおけるセンサー偽装を検出できないことから、サイバー物理システム（CPS）におけるデータ整合性を確保するという重要な課題に対処すること。
• 従来のモデルベース検出手法が回避する、巧妙でマルチポイント攻撃を検出できるように、センサー動作を支配する物理法則を活用する方法を検討すること。
• ハードウェアの変更や追加センサーを必要としない、受動的で侵襲のないセンサー認証手法を開発すること。
• 測定ノイズを、産業制御システムにおける正当なセンサーと改ざん済みセンサーを識別するための固有の指紋として使用する可能性と正確性を評価すること。
• 物理ベースの検出手法として、センサーのノイズ指紋を活用することで、既存のセキュリティメカニズムを補完し、洗練された攻撃に対してよりレジリientなシステムを実現できることを示すこと。

提案手法

• 安定で一定の条件下で産業用センサー（例：超音波レベルセンサー）から時系列のセンサー測定データを収集し、測定ノイズを抽出する。
• 抽出されたノイズを統計的分布としてモデル化する——具体的には、各センサーの内在的ハードウェアばらつきを表すガウス分布を用いる。
• ノイズ分布を各センサー固有の指紋（NoiSense）として使用し、追加のハードウェアを必要とせず、デバイスレベルでの識別を可能にする。
• 20台の同一型のセンサーを含むテスト環境で、各センサーのノイズ指紋を他のすべてのセンサーと比較して、多クラス分類を実行する。
• 受動的検出を適用する——アクティブなプローブやネットワーク変更は不要。既存のセンサー測定データストリームの分析のみを必要とする。
• 実際のプラント環境に類似した状況下で、同一型のセンサーを用いた分類精度を評価するために、混同行列を用いて検出性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 センサーからの内在的測定ノイズを、CPSにおけるセンサー認証のための信頼性のある固有ハードウェア指紋として使用できるか？
• RQ2 実際の産業現場で、同一モデルの同一センサーを区別できる受動的でノイズベースの指紋手法（NoiSense）の有効性はどの程度か？
• RQ3 センサーのノイズ指紋を用いた物理ベース検出は、従来のモデルベース侵入検知システムの限界をどれほど克服できるか？特に、巧妙な攻撃を検出する能力について。
• RQ4 複数の同一タイプのセンサーを含む中規模の産業プラントにおいて、NoiSenseの性能とスケーラビリティの限界は何か？
• RQ5 既存のCPSインfra構造を変更することなく、デジタルおよび物理ドメインにおけるセンサーフォージェーションをNoiSenseが検出できるか？

主な発見

• NoiSenseは、20台の同一型の超音波センサーを、その固有の測定ノイズ指紋に基づいて、100%の分類精度で正しく識別した。
• センサー間のノイズ分布はガウス分布に従い、内在的ハードウェアばらつきが信頼性の高い指紋としての妥当性を確認した。
• NoiSenseは受動的検出手法であり、追加のセンサー、ネットワーク変更、アクティブプローブを一切必要とせず、既存のCPS環境への導入が可能である。
• CUSUMや不正データ検出器などの従来の統計的検出器が回避する、巧妙でマルチポイント攻撃に対しても有効である。
• NoiSenseはセンサー単位の攻撃を検出可能であるが、アクチュエータレベルの改ざんは検出できないため、補完的なアクチュエータ指紋手法の導入が求められる。
• データ蓄積が必要なため、ステートレス手法よりも遅延が大きいが、知的で適応的な攻撃者を想定した状況では、統計的検出器を上回る性能を示した。