[論文レビュー] Key Management and Learning based Two Level Data Security for Metering Infrastructure of Smart Grid

Imtiaz Parvez, Maryamossadat Aghili+1 more|arXiv (Cornell University)|Sep 25, 2017

Smart Grid Security and Resilience参考文献 12被引用数 4

ひとこと要約

本稿では、非対称鍵暗号とランダム化されたパケット送信を組み合わせることで機密性と整合性を向上させる、スマートグリッドメーターインフラ向けの二段階セキュリティフレームワークを提案する。さらに、受信信号強度（RSS）に基づく局所化と送信パターン（パケットサイズ、周波数、ID）を用いた軽量で異常ベースのノード認証を実現するワンクラスサポートベクターマシン（OCSVM）を導入し、100件の訓練サンプルで異常検出の正確度が100%に達し、非ガウス分布および二峰性分布に対しても高い耐性を示す。

ABSTRACT

In the smart grid, smart meters, and numerous control and monitoring applications employ bidirectional wireless communication, where security is a critical issue. In key management based encryption method for the smart grid, the Trusted Third Party (TTP), and links between the smart meter and the third party are assumed to be fully trusted and reliable. However, in wired/wireless medium, a man-in-middle may want to interfere, monitor and control the network, thus exposing its vulnerability. Acknowledging this, in this paper, we propose a novel two level encryption method based on two partially trusted simple servers (constitutes the TTP) which implement this method without increasing packet overhead. One server is responsible for data encryption between the meter and control center/central database, and the other server manages the random sequence of data transmission. Numerical calculation shows that the number of iterations required to decode a message is large which is quite impractical. Furthermore, we introduce One-class support vector machine (machine learning) algorithm for node-to-node authentication utilizing the location information and the data transmission history (node identity, packet size and frequency of transmission). This secures data communication privacy without increasing the complexity of the conventional key management scheme.

研究の動機と目的

• 完全に信頼できる第三者機関（TTP）に依存する従来の鍵管理方式が、実際の無線環境では侵害される可能性があるという脆弱性に対処すること。
• 部分的に信頼できるサーバーとランダムなパケット順序付けを用いた二段階暗号化メカニズムを導入することで、高度メーターインフラ（AMI）におけるデータ機密性と整合性を向上させること。
• 機械学習を用いた軽量でスケーラブルなノード間認証により、中間者攻撃や不正なデータ改ざんのリスクを低減すること。
• ネットワークオーバーヘッドや計算複雑性を増加させることなく、リソース制限のあるスマートメーターにおける安全でプライバシー保護された通信を可能にすること。
• 非ガウス分布および二峰性分布が一般的に見られる実世界のAMIトラフィックを想定し、OCSVMの異常行動検出の耐性を評価すること。

提案手法

• 本システムは二つの部分的に信頼できるサーバーを採用する。一方はメーターと制御センター間のデータ暗号化に非対称鍵を管理し、他方はランダムな送信シーケンスを生成・管理してデータフローを隠蔽する。
• データパケットは256ビットの非対称鍵で暗号化され、それぞれ8ビットの32ブロックに分割され、送信順序がランダムにされ、暗号解析に対する耐性とエントロピーを向上させる。
• 受信信号強度（RSS）を用いてスマートメーターの静的位置を推定し、認証に空間的情報を提供する。
• ワンクラスサポートベクターマシン（OCSVM）は、正常な送信パターン（メーターID、送信周波数、パケットサイズ、RSSに基づく位置）を学習し、異常を検出する。
• OCSVMモデルはクリーンなデータ（例：100件の観測）で学習され、新規データに対してテストされ、正常行動と異常行動を分離するための意思決定境界が学習される。
• 訓練データサイズの変動およびデータ分布（ガウス分布、二峰性分布、非ガウス分布）を想定した評価が行われ、OCSVMとロバスト共分散推定器の性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 非対称暗号とランダム化パケット送信を組み合わせた二段階セキュリティアーキテクチャは、攻撃者がスマートメーターのデータを解読するために必要な計算量を著しく増加させるか？
• RQ2 正常な訓練データのみと4つの観測可能な特徴（ID、周波数、サイズ、RSSに基づく位置）を用いて、OCSVMはスマートメーターの異常送信行動をどれほど効果的に検出できるか？
• RQ3 実世界のAMIトラフィックに一般的に見られる非ガウス分布および二峰性分布において、OCSVMの外れ値検出性能はロバスト共分散推定器と比べてどうか？
• RQ4 訓練サンプル数を減らすと、スマートグリッドメーターインフラにおけるOCSVMベースの異常検出の正確性と信頼性にどのような影響が生じるか？
• RQ5 動的で無線環境のスマートグリッドにおいて、RSSに基づく局所化を安定した入力特徴としてノード認証に信頼して使用できるか？

主な発見

• 1パケットの総合的なセキュリティ強度は約$2^{256} + 2^{128}$であり、ブルートフォースでの解読は計算的に不可能である。
• 100件の訓練サンプルで、OCSVMは20件の新規異常観測に対して100%の正確度を達成し、偽陰性は一切発生しなかった。
• 訓練データを20件に削減しても、OCSVMは20件の異常観測のうち19件を正しく検出でき、限られた訓練データに対しても耐性を示した。
• 二峰性および非ガウス分布のデータ分布において、OCSVMはロバスト共分散推定器を上回る外れ値検出性能を示し、優れた耐性を確認した。
• OCSVMベースの認証はパケット単位で適用されるため、追加のシグナリングや鍵交換を必要とせず、低オーバーヘッドを維持している。
• RSSに基づく局所化と送信メタデータの統合により、追加のハードウェアやインfrastrucutureに依存せずに安定した位置認識認証が可能になった。