[論文レビュー] DDoS Attacks: Tools, Mitigation Approaches, and Probable Impact on Private Cloud Environment

Rup Kumar Deka, Dhruba K. Bhattacharyya+1 more|arXiv (Cornell University)|Oct 24, 2017

Network Security and Intrusion Detection参考文献 45被引用数 6

ひとこと要約

本論文は、リアルタイムのトラフィック監視、仮想化による動的リソース割り当て、および攻撃パターン検出のためのビッグデータ分析を統合することで、リソースが限られたプライベートクラウド環境におけるDDoS攻撃を軽減する汎用的でクラウドネイティブなフレームワークを提案する。このアプローチは、攻撃への耐性、仮想マシンのライブマイグレーション、および適応型フィルタリングに重点を置き、リソースが限られた状況下でもサービスの可用性を維持することを目的としている。

ABSTRACT

The future of the Internet is predicted to be on the cloud, resulting in more complex and more intensive computing, but possibly also a more insecure digital world. The presence of a large amount of resources organized densely is a key factor in attracting DDoS attacks. Such attacks are arguably more dangerous in private individual clouds with limited resources. This paper discusses several prominent approaches introduced to counter DDoS attacks in private clouds. We also discuss issues and challenges to mitigate DDoS attacks in private clouds.

研究の動機と目的

• リソースが限られ、共有されているため、プライベートクラウドにおけるDDoS攻撃のリスクが高まっていることを踏まえ、そのリスクに対処すること。
• プライベートクラウドアーキテクチャ内でのDDoS攻撃の検出および軽減における主な課題を特定すること。
• 検出、耐性、防止の各フェーズを統合した、プライベートクラウドにおけるDDoS防御に適した汎用的で概念的なフレームワークを設計すること。
• ビッグデータ分析が、高トラフィック攻撃時における検出の正確性を向上させ、誤検出を低減する役割を果たすかを評価すること。
• ライブマイグレーションおよび動的リソース割り当てが、サービス継続性を維持するためのコアメカニズムとして実現可能であることを示すこと。

提案手法

• 検出、耐性、防止の3フェーズからなる防御フレームワークを提案し、各フェーズに固有のコンponentsとワークフローを設ける。
• 検出フェーズでは、リアルタイムのトラフィック監視を用いて異常を特定し、脅威のレベルやトラフィックパターンに応じてアラートを発動する。
• 耐性フェーズでは、仮想化技術を活用して余剰の仮想マシンを動的に割り当てるとともに、稼働中のサーバーをライブマイグレーションしてサービス継続性を確保する。
• 防止フェーズでは、アラートパターンの相関と適応型フィルタリングを実施し、特に高流量攻撃時における誤検出を低減する。
• ビッグデータ分析技術を防止フェーズに統合し、高容量のアラートストリームを分析して攻撃戦略を検出する。
• リソースアロケータが、バックアップ用仮想サーバーの動的キューを管理し、リアルタイムの負荷と脅威レベルに応じてリソースを再割り当てする。

実験結果

リサーチクエスチョン

• RQ1 リソース制限や監視能力が限られたプライベートクラウド環境において、DDoS攻撃を効果的に検出する方法は何か？
• RQ2 仮想化技術が、DDoS攻撃時における動的リソース割り当ておよびライブマイグレーションを可能にし、サービス可用性を維持するために果たす役割は何か？
• RQ3 ビッグデータ分析は、高トラフィック環境下でのDDoS軽減の正確性とスケーラビリティをどのように向上させるか？
• RQ4 プライベートクラウドにおいて、正当なトラフィックの急増と悪意あるDDoS攻撃を区別する際の主な課題は何か？
• RQ5 検出、耐性、防止の各フェーズをバランスよく統合した、汎用的でクラウド最適化された防御フレームワークをどのようにアーキテクチャ設計できるか？

主な発見

• 提案されたフレームワークにより、DDoS攻撃時における仮想マシンの動的割り当ておよびマイグレーションが可能となり、プライベートクラウドでのサービス継続性が実現される。
• サーバー状態のライブマイグレーションにより、過負荷のサーバーから新規の仮想サーバーに切り替える際のサービス中断が最小限に抑えられる。
• ビッグデータ分析により、高容量のアラートメッセージの相関とフィルタリングが可能となり、攻撃検出における誤検出が低減される。
• 検出、耐性、防止のフェーズを統合した包括的な防御戦略が、プライベートクラウドのリソース制約に適合した形で提供される。
• フレームワークはリアルタイムのトラフィック変化に適応可能であり、高レートおよび低レートのDDoS攻撃両方の軽減をサポートする。
• 著者らは、実際のプライベートクラウド環境での有効性を評価するために、テストベッドでのフレームワークの検証を計画している。