[論文レビュー] Identifying and Modeling Security Threats for IoMT Edge Network using Markov Chain and Common Vulnerability Scoring System (CVSS)

Maha Ali Allouzi, Javed Khan|arXiv (Cornell University)|Apr 23, 2021

IoT and Edge/Fog Computing参考文献 7被引用数 7

ひとこと要約

本稿では、マルコフ連鎖と共通脆弱性スコアリングシステム（CVSS）を統合することで、IoMTエッジネットワークにおけるハイブリッドな脅威モデリングフレームワークを提案する。攻撃ベクトルを定義し、IoMTエッジインfra構造の脆弱性を特定し、マルコフ遷移行列を用いて脅威確率分布を計算することで、患者データのセキュリティに対する予防的リスク評価を可能にする。

ABSTRACT

In this work, we defined an attack vector for networks utilizing the Internet of Medical Things (IoMT) devices and compute the probability distribution of IoMT security threats based on Markov chain and Common Vulnerability Scoring System (CVSS). IoMT is an emerging technology that improves patients' quality of life by permitting personalized e-health services without restrictions on time and site. The IoMT consists of embedded objects, sensors, and actuators that transmit and receive medical data. These Medical devices are vulnerable to different types of security threats, and thus, they pose a significant risk to patient's privacy and safety. Because security is a critical factor for successfully merging IoMT into pervasive healthcare systems, there is an urgent need for new security mechanisms to prevent threats on the IoMT edge network. Toward this direction, the first step is defining an attack vector that an attacker or unauthorized user can take advantage of to penetrate and tamper with medical data. In this article, we specify a threat model for the IoMT edge network. We identify any vulnerabilities or weaknesses within the IoMT network that allow unauthorized privileges and threats that can utilize these weaknesses to compromise the IoMT edge network. Finally, we compute the probability distribution of IoMT threats based on the Markov transition probability matrix.

研究の動機と目的

• 医療機器における脆弱性の増加に伴い、IoMTエッジネットワークにおける予防的セキュリティメカニズムの必要性に対応すること。
• 不正アクセスやデータ改ざんを狙った、IoMTエッジインfra構造の弱みを突く包括的な攻撃ベクトルを定義すること。
• 患者のプライバシーと安全性を損なう具体的な脆弱性と脅威を特定すること。
• マルコフ連鎖に基づく確率分布を用いて、セキュリティ脅威の動的進化をモデル化すること。
• CVSSスコアとマルコフモデリングを統合し、脅威の発生確率を定量的に評価し、対策の優先順位を設定すること。

提案手法

• 特定された攻撃ベクトルとシステムの弱みに基づき、IoMTエッジネットワークの脅威モデルを構築する。
• CVSSを用いて深刻度スコアを付与することで、IoMTデバイスおよびネットワークコンponentsの脆弱性を、潜在的な脅威シナリオにマッピングする。
• 状態が脅威レベルまたは攻撃段階を表すマルコフ連鎖を定式化し、CVSS加重の脅威発生確率から遷移確率を導出する。
• マルコフ遷移確率行列を用いて、ネットワーク全体におけるセキュリティ脅威の長期的確率分布を計算する。
• CVSSスコアを用いて脅威確率を重み付けし、深刻度の高い脆弱性が遷移ダイナミクスに大きな影響を与えるようにする。
• 確率的状態遷移に基づくシミュレーションにより、脅威のネットワーク内進行を再現することで、動的リスク評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 IoMTエッジネットワークにおける包括的攻撃ベクトルをどのように定義すれば、システム脆弱性を効果的に悪用できるか？
• RQ2 IoMTエッジシステムにおいて、患者データの機密性と整合性を損なう主な脆弱性と脅威ベクトルは何か？
• RQ3 CVSSスコアを効果的にマルコフ連鎖モデリングに統合し、脅威確率を定量的に評価するにはどうすればよいか？
• RQ4 時間経過に伴い、IoMTエッジネットワーク全体におけるセキュリティ脅威の確率分布はどのように変化するか？
• RQ5 提案されたモデルは、予防的防御のための高リスク脅威シナリオをどれほど正確に予測・優先順位付けできるか？

主な発見

• 提案されたフレームワークは、CVSS加重遷移確率を用いたマルコフ連鎖を用いて、IoMTエッジネットワークにおけるセキュリティ脅威の動的進行を効果的にモデル化した。
• CVSSスコアをマルコフモデルに統合することで、深刻度に基づいた脅威の優先順位付けが可能となり、リスク評価の正確性が向上した。
• 脅威の確率分布は時間経過とともに計算され、特に重要なIoMTコンponentsを標的とする高確率の攻撃経路が明らかになった。
• モデルは、センサーやアクチュエータ、通信プロトコルにおける特定の脆弱性を、攻撃者の主な侵入経路として同定した。
• フレームワークは、脅威の進化を予測する定量的根拠を提供し、eヘルスシステムにおける予防的セキュリティ強化を支援する。
• 結果から、深刻度の高い脆弱性が攻撃成功の可能性を著しく高めることが示され、モデルがCVSSスコアに感受性を示していることが妥当性を裏付けた。