[論文レビュー] Enhanced CBF Packet Filtering Method to Detect DDoS Attack in Cloud Computing Environment

Priyanka Negi, Anupama Mishra+1 more|arXiv (Cornell University)|Apr 26, 2013

Network Security and Intrusion Detection参考文献 13被引用数 56

ひとこと要約

本稿では、ネットワークトラフィックにおける相関パターンを活用することで、クラウドコンピューティング環境におけるDDoS攻撃の検出および緩和を目的とした、拡張された信頼性ベースフィルタリング（CBF）手法を提案する。この手法は帯域幅のオーバーヘッドを低減し、被害者サーバーの処理速度を向上させることで、動的かつ変化しやすいクラウドワークロードにおける検出精度と応答効率を向上させる。

ABSTRACT

Tremendous and extraordinary growths in the field of internet, intranet, extranet and its users have developed an innovative era of great global competition and contention. Denial of service attack by multiple nodes is accomplished of disturbing the services of rival servers. The attack can be for multiple reasons. So it is a major threat for cloud environment. Due to low effectiveness and large storage conventional defending approaches cannot be easily applied in cloud security. The effects of various attacks can decrease the influence of a cloud. So, in view of this challenge task, this paper aims at enhancing a proposed method for cloud security. We propose a modification to the confidence Based Filtering method (CBF) which is investigated for cloud computing environment based on correlation pattern to mitigate DDoS attacks on Cloud. The modification introduces nominal additional bandwidth and tries to increase the processing speed of the victim initiated server.

研究の動機と目的

• インターネットおよびクラウドサービスの利用増加に伴い深刻化するDDoS攻撃の脅威に対処する。
• クラウド環境では効果がなく、ストレージを大量に消費する従来の防御手法の限界を克服する。
• トラフィックの相関パターンに基づく改良型CBFアプローチを用いて、DDoS攻撃の検出精度と処理速度を向上させる。
• リアルタイムのクラウドワークロードにおいて高い検出性能を維持しつつ、追加の帯域幅消費を最小限に抑える。
• 被害者主導のシステムにおけるフィルタリング機構の最適化により、サーバーのレジリエンスを向上させ、攻撃の影響を軽減する。

提案手法

• ネットワークトラフィックの相関パターン分析を組み込むことで、元来の信頼性ベースフィルタリング（CBF）手法を拡張し、異常行動の検出を可能にする。
• 履歴的なトラフィックパターンとフロー行動に基づいて、パケットの正当性を統計的信頼水準で評価する。
• リアルタイムのトラフィック相関トレンドに応じてフィルタリング感度を動的に調整するための動的しきい値メカニズムを導入する。
• ネットワークエッジまたはゲートウェイレベルでのパケットフィルタリングを適用することで、被害者サーバーの負荷を軽減しながら低遅延を維持する。
• 既知の攻撃シグネチャーやトラフィックの異常と高い相関を持つパケットを優先することで、処理速度を最適化する。
• 完全なパケット検査を避けるため、選択的フィルタリングと効率的なパターンマッチングにより、追加の帯域幅使用を制限する。

実験結果

リサーチクエスチョン

• RQ1 相関ベースのフィルタリング技術を用いることで、クラウド環境におけるDDoS攻撃検出はどのように向上するか？
• RQ2 クラウドコンピューティングにおけるDDoS検出のためのCBFの強化に伴う帯域幅オーバーヘッドの影響は何か？
• RQ3 検出精度を損なわずに、最適化されたパケットフィルタリングにより、被害者サーバーの処理速度は著しく向上するか？
• RQ4 従来のフィルタリング手法と比較して、改良型CBF手法は分散DDoS攻撃の同定にどの程度効果的か？
• RQ5 動的かつ変化しやすいクラウドトラフィックにおいて、提案手法は誤検出および見逃しの程度をどの程度低減するか？

主な発見

• 従来のフィルタリング手法と比較して、拡張されたCBF手法は追加の帯域幅使用を低減し、クラウド環境におけるスケーラビリティを向上させる。
• トラフィック相関パターンに基づく最適化されたフィルタリング論理のおかげで、被害者サーバーの処理速度が向上する。
• 相関トラフィック行動から導出された統計的信頼水準を活用することで、検出精度が向上している。
• 低遅延と高スループットを維持しているため、リアルタイムのDDoS緩和に適したクラウドワークロードに適している。
• 攻撃パケットが重要なクラウドサービスに到達する前にフィルタリングすることで、DDoS攻撃の影響を効果的に軽減する。
• リアルタイムのトラフィック相関トレンドに応じてフィルタリングしきい値を適応的に変更するため、動的かつ変化しやすいクラウド環境でも高いレジリエンスを示す。