[論文レビュー] Internet of Threats Introspection in Dynamic Intelligent Virtual Sensing

Victor R. Kebande, Joseph Bugeja+1 more|arXiv (Cornell University)|Jun 21, 2020

Energy Efficient Wireless Sensor Networks参考文献 20被引用数 4

ひとこと要約

本論文は、IoTエコシステム内における動的インテリジェント仮想センサー（DIVS）におけるセキュリティ脅威を調査し、悪意あるユーザーのフィードバックが誤ったラベルを注入することで予測精度が損なわれるメカニズムに焦点を当てる。DIVSの整合性に対する脅威を特定・緩和するための内省的脅威分析フレームワークを提案し、仮想化されたセンシング環境における堅牢なラベル検証の必要性を強調する。

ABSTRACT

Continued ubiquity of communication infrastructure across Internet of Things (IoT) ecosystems has seen persistent advances of dynamic, intelligent, virtualised sensing and actuation. This has led to effective interaction across the connected ecosystem of -things. Furthermore, this has enabled the creation of smart environments that has created the need for the development of different IoT protocols that support the relaying of information across billions of electronic devices over the Internet. That notwithstanding, the phenomenon of virtual sensors that are supported by IoT technologies like Wireless Sensor Networks (WSNs), RFID, WIFI, Bluetooth, ZigBee, IEEE 802.15.4, etc., emulates physical sensors, and enables more efficient resource management through the dynamic allocation of virtual sensor resources. A distinctive example of this has been the proposition of the Dynamic Intelligent Virtual Sensors (DIVS). This DIVS concept is a novel proposition that allows sensing to be done by the use of logical instances through the use of labeled data. This allows for making accurate predictions during data fusion. However, a potential security attack on DIVS may end up providing false labels during the User Feedback Process (UFP), which may interfere with the accuracy of DIVS. This paper investigates the threat landscape in DIVS when employed in IoT ecosystems, in order to identify the extent to which the severity of these threats may hinder accurate prediction of DIVS in IoT, based on labeled data.

研究の動機と目的

• 動的インテリジェント仮想センサー（DIVS）が影響を受ける脅威の状況を分析すること。
• ユーザーのフィードバックプロセス（UFP）における誤ったラベルの注入が、DIVSの予測精度にどのように悪影響を及えるかを特定すること。
• スマート環境における仮想化されたセンシングの信頼性を損なう可能性があるセキュリティ脅威の深刻度を評価すること。
• 動的で知的な仮想センシングシステムにおける内省的脅威分析のためのフレームワークを提案すること。
• ラベル検証メカニズムにおける脆弱性を特定することで、安全かつ正確なデータ統合を支援すること。

提案手法

• 著者は、正確な予測にラベル付きデータに依存するという点に注目し、DIVSアーキテクチャを分析する。
• 誤ったラベルが注入される可能性がある主要な攻撃表面として、ユーザーのフィードバックプロセス（UFP）を特定する。
• DIVSのラベル付けプロセスに対する潜在的攻撃を評価するために、脅威モデリング手法を適用する。
• 損なわれたラベルがデータ統合の正確性およびシステムの信頼性に与える影響を評価する。
• 予測結果に影響を与える前に脅威を検出・緩和できるよう、内省的分析を強調するフレームワークを提示する。
• WSN、RFID、Wi-Fi、Bluetooth、ZigBeeなどのIoTプロトコルが仮想センサーの運用を支援する中で、セキュリティインパクトを評価する。

実験結果

リサーチクエスチョン

• RQ1 動的インテリジェント仮想センサー（DIVS）のユーザーのフィードバックプロセス（UFP）を標的とする主なセキュリティ脅威は何か？
• RQ2 UFP中の誤ったラベル付けが、仮想化されたセンシング環境におけるDIVSの予測精度にどのように悪影響を及えるか？
• RQ3 現在のIoTプロトコルおよび仮想センサーのアーキテクチャが、DIVSに整合性攻撃を露呈する程度はどの程度か？
• RQ4 DIVSにおける悪意あるラベル注入を検出・防止するための内省的メカニズムは、どのように実装できるか？
• RQ5 仮想センシングにおけるセキュリティ脆弱性が、スマート環境におけるデータ統合の信頼性にどのように影響を与えるか？

主な発見

• ユーザーのフィードバックプロセス（UFP）における誤ったラベル付けは、DIVSの予測精度に対して顕著な脅威をもたらす。
• 正確なデータ統合のためには、ラベル付きデータの整合性が動的仮想センシングシステムにおいて極めて重要である。
• WSN、RFID、ZigBeeなどのプロトコルに依存する仮想センサーは、ラベル入力を操作する攻撃に対して脆弱である。
• 本研究では、現在のDIVS実装が、悪意あるラベル注入を検出する十分な内省的メカニズムを欠いていると特定した。
• ラベルの整合性に対する脅威は、IoTにおける知的な仮想センシングのパフォーマンスと信頼性を著しく低下させる可能性がある。
• 動的で相互接続された環境においてDIVSを安全に保つために、能動的で内省的な脅威分析の必要性が強調される。