[論文レビュー] Characterizing the Power of Moving Target Defense via Cyber Epidemic Dynamics

Yujuan Han, Wenlian Lu+1 more|arXiv (Cornell University)|Apr 27, 2014

Complex Network Analysis Techniques参考文献 47被引用数 9

ひとこと要約

本稿は、サイバーインシデントの動的挙動をモデル化することで、移動型防御（MTD）の効果を体系的かつ定量的に評価するフレームワークを提案する。MTDをネットワーク内の動的パラメータおよび構造的変更としてモデル化し、二つの補完的指標—非安全状態に耐えうる最大時間と、最小の導入コスト—を導入することで、解析的手法を用いた最適なMTD戦略の合成が可能となる。

ABSTRACT

Moving Target Defense (MTD) can enhance the resilience of cyber systems against attacks. Although there have been many MTD techniques, there is no systematic understanding and {\em quantitative} characterization of the power of MTD. In this paper, we propose to use a cyber epidemic dynamics approach to characterize the power of MTD. We define and investigate two complementary measures that are applicable when the defender aims to deploy MTD to achieve a certain security goal. One measure emphasizes the maximum portion of time during which the system can afford to stay in an undesired configuration (or posture), without considering the cost of deploying MTD. The other measure emphasizes the minimum cost of deploying MTD, while accommodating that the system has to stay in an undesired configuration (or posture) for a given portion of time. Our analytic studies lead to algorithms for optimally deploying MTD.

研究の動機と目的

• サイバー防衛における移動型防御（MTD）の力の体系的かつ定量的特徴づけの欠如に対処すること。
• シミュレーションや局所的分析を超えた、包括的かつ解析的フレームワークを構築し、MTDの有効性を評価すること。
• コストの考慮なしでの非安全状態にいる最大時間と、所定の非安全時間許容範囲における最小コストという二つの補完的セキュリティ指標を定義すること。
• サイバーインシデントの動的挙動に基づく解析的モデルを用いて、最適なMTD導入戦略を導出すること。
• MTDをネットワーク化システムにおける動的防御メカニズムとしてモデル化することで、科学的根拠に基づくセキュリティメトリクスの基盤を提供すること。

提案手法

• ノードがコンponentsを、エッジが攻撃経路を表すグラフ理論的抽象化を用いてサイバー・システムをモデル化する。
• 文献[50]のサイバーインシデント動的挙動モデルを改変し、MTDを、システムのパラメータおよび攻撃・防御構造を動的に変更する能動的防御として統合する。
• 時間依存の構成切替を導入し、システムが異なる構成（例：IP/ポートのランダム化）をサイクルするようにすることで、攻撃者の進行を妨げる。
• 各構成に費やす時間の間隔を、パrameter $ a $ の指数関数的間隔として定義し、各構成に費やす時間の割合の逆数から導出する。
• 最適な構成シーケンスと停留時間の計算に最適化手法を適用し、コストを最小化または非安全時間耐性を最大化する。
• 導入オーバーヘッドをモデル化するためのコスト関数 $ g(\bullet) $ を用い、コスト効率とセキュリティのしきい値に基づいて構成を選択するアルゴリズムを採用する。

実験結果

リサーチクエスチョン

• RQ1 MTDの力を、シミュレーションやヒューリスティック評価を超えて、体系的かつ定量的に特徴づける方法は何か？
• RQ2 最適なMTD導入状況下で、継続的攻撃を引き起こさずに、システムが非安全状態に留まれる最大時間はどの程度か？
• RQ3 所定の非安全時間許容範囲を満たすために、MTDを導入するために必要な最小コストはいくらか？
• RQ4 システムのパラメータおよび攻撃・防御構造の動的変化が、インシデント閾値および長期的なシステムセキュリティに与える影響は何か？
• RQ5 サイバーインシデント動的挙動の解析的モデルを用いて、最適なMTD戦略をアルゴリズム的に合成できるか？

主な発見

• 提案されたフレームワークにより、非安全状態に耐えうる最大時間と、所定の非安全時間許容範囲における最小導入コストという二つの補完的指標を用いて、MTDの力を特徴づけることが可能になった。
• コストがゼロの状況では、非安全状態に費やす時間の割合の逆数を用いて最適戦略が導出され、停留時間は $ T_1 = \text{exp}(a / \tilde{\rho}_1^*) $ と設定される。ここで $ \tilde{\rho}_1^* $ は非安全状態に費やす最適な時間割合を表す。
• コストを考慮する場合、コスト関数 $ g(\bullet) $ を用いて、非安全時間制約を満たす条件下でコストを最小化する構成のサブセット $ \tilde{\rho}_{k_1^*}, \tilde{\rho}_{k_2^*}, \text{etc.} $ が選択される。
• アルゴリズム的導入戦略は構成可能で計算的に実行可能であり、コスト認識状況では $ O(2^{N'}) $ の複雑度を示すが、MTDによって生じる構成数 $ N' $ が小さい場合には依然として実行可能である。
• 複数の非安全構成への拡張が可能であり、各構成への時間割り当ては固定され、コスト関数に影響を与えないため、スケーラブルな導入計画が可能になる。
• 本モデルは、インシデント閾値分析を通じてMTD導入と測定可能なシステムのレジリエンス結果を結びつけることで、科学的根拠に基づくセキュリティメトリクスの基盤を提供する。