[論文レビュー] From Physical to Cyber: Escalating Protection for Personalized Auto Insurance

Le Guan, Jun Xu+6 more|Rare & Special e-Zone (The Hong Kong University of Science and Technology)|Sep 8, 2016

Advanced Malware Detection Techniques参考文献 41被引用数 13

ひとこと要約

本論文は、個人向け自動車保険システムにおける改ざんされたテレマティクスデータを検出するために、偽造不能な物理的環境の加速度データを用いる防御メカニズムを提案する。リアルタイムでの加速度とOBD-2速度読み取り値を統計的混合回帰モデルを用いて比較することで、誤検出率が0.032、誤検出率が0.013に抑えられ、デバイスの脆弱性に依存せずに、不正な保険割引の試みを効果的に同定することが可能となった。

ABSTRACT

Nowadays, auto insurance companies set personalized insurance rate based on data gathered directly from their customers' cars. In this paper, we show such a personalized insurance mechanism -- wildly adopted by many auto insurance companies -- is vulnerable to exploit. In particular, we demonstrate that an adversary can leverage off-the-shelf hardware to manipulate the data to the device that collects drivers' habits for insurance rate customization and obtain a fraudulent insurance discount. In response to this type of attack, we also propose a defense mechanism that escalates the protection for insurers' data collection. The main idea of this mechanism is to augment the insurer's data collection device with the ability to gather unforgeable data acquired from the physical world, and then leverage these data to identify manipulated data points. Our defense mechanism leveraged a statistical model built on unmanipulated data and is robust to manipulation methods that are not foreseen previously. We have implemented this defense mechanism as a proof-of-concept prototype and tested its effectiveness in the real world. Our evaluation shows that our defense mechanism exhibits a false positive rate of 0.032 and a false negative rate of 0.013.

研究の動機と目的

• 不正な保険割引を得るために、検証されていないテレマティクスデータに依存する個人向け自動車保険システムにおける脆弱性を特定すること。
• OBD-2データに依存する保険テレマティクスデバイスにおけるデータ真正性の検証の欠如に対処すること。
• 偽造不能な物理的環境のセンサデータを活用して、データ改ざんを検出する防御メカニズムを開発すること。
• 未知の攻撃手法に対しても、改ざんされた速度読み取り値を同定できる堅牢な統計モデルを構築すること。
• プロトタイプの概念実証を通じて、実世界の条件下での防御メカニズムの有効性を検証すること。

提案手法

• 物理的環境の加速度データを偽造不能に取得できるように、保険テレマティクスデバイスに埋め込み型の三次元加速度計を追加する。
• 車両のサイバーシステム（OBD-2ポート）からOBD-2速度データを収集するとともに、加速度計から物理的加速度データを取得する。
• OBD-2速度と物理的加速度の両データストリームを統計的混合回帰モデルを用いて相関・比較する。
• 正常なドライブ行動パターンを学習するために、改ざんのないデータで統計モデルを学習し、異常を検出する。
• OBD-2速度と統合された加速度に基づく速度の差異を検出することで、潜在的なデータ改ざんを特定する。
• 実世界での性能を検証するために、市販のハードウェアを用いてプロトタイプの概念実証を実装する。

実験結果

リサーチクエスチョン

• RQ1 市販のハードウェアを用いて、OBD-2速度データを改ざんし、保険パーソナライゼーションアルゴリズムを回避できるか。
• RQ2 偽造不能な物理的環境のセンサデータをどのように活用して、保険システムにおけるサイバー基盤のテレマティクスデータの真正性を検証できるか。
• RQ3 GPSベースの手法では検出できない微細な速度改ざんを、物理的加速度に基づく統計モデルがどの程度検出できるか。
• RQ4 未知の事前には存在しない改ざん手法に対しても、防御メカニズムが高い正確性を維持できるか。
• RQ5 GPSベースやスマートフォンベースの検出システムと比較して、本手法は性能と信頼性においてどのように差をつけるか。

主な発見

• 提案された防御メカニズムは誤検出率が0.032に抑えられ、正当なデータを誤って不正と分類することはほとんどない。
• システムは誤検出率が0.013に抑えられ、実際に発生したデータ改ざんの98.7%を効果的に検出できた。
• 高周波数の加速度データ（16.7 Hz）を用いることで、GPSベースのシステム（1 Hz）では捉えきれない微細な速度改ざんを検出可能となった。
• 混合回帰モデルに基づく統計モデルは、予期しない改ざん手法に対しても堅牢であったため、長期的なセキュリティが向上した。
• プロトタイプは実世界の走行シナリオにおいてデータ改ざんを効果的に検出でき、本アプローチの実現可能性が裏付けられた。
• 時間分解能が高く、信号喪失に強く、GPSベースやスマートフォンベースの代替手法よりも信頼性と正確性に優れていた。