[論文レビュー] Measuring Privacy Leakage for IDS Rules

Nils Ulltveit-Moe, Vladimir Oleshchuk|arXiv (Cornell University)|Aug 25, 2013

Network Security and Intrusion Detection参考文献 21被引用数 6

ひとこと要約

本稿では、警報のデータ変動性を分析することにより、インシデント検出システム（IDS）ルールにおけるプライバシー漏洩を定量化するエントロピーに基づく指標を提案する。情報理論を用いて、ペイロードデータにおけるエントロピー分散を測定し、機密情報の暴露リスクがあるとされるルールを同定する。実証的検証により、高漏洩リスクルールと低リスクルールを効果的に区別できることを示している。

ABSTRACT

This paper proposes a measurement approach for estimating the privacy leakage from Intrusion Detection System (IDS) alarms. Quantitative information flow analysis is used to build a theoretical model of privacy leakage from IDS rules, based on information entropy. This theoretical model is subsequently verified empirically both based on simulations and in an experimental study. The analysis shows that the metric is able to distinguish between IDS rules that have no or low expected privacy leakage and IDS rules with a significant risk of leaking sensitive information, for example on user behaviour. The analysis is based on measurements of number of IDS alarms, data length and data entropy for relevant parts of IDS rules (for example payload). This is a promising approach that opens up for privacy benchmarking of Managed Security Service providers.

研究の動機と目的

• 情報理論に基づき、プライバシー漏洩を定量化・自動化する指標を開発すること。
• 警報ペイロードを通じて機密情報、機密性の高い情報、またはプライバシーに敏感な情報が漏洩するリスクがあるIDSルールを特定すること。
• 客観的かつ測定可能な基準を用いて、マネージドセキュリティサービスプロバイダー（MSSP）のプライバシーベンチマークを可能にすること。
• エントロピー分散を分析することにより、悪意のない機密データをトリガーとする曖昧または広範なIDSルールを特定すること。
• ルールベース監視のプライバシーインパクトを定量化することで、匿名化および偽名化ポリシーの支援をすること。

提案手法

• 情報エントロピー（シャノン、リーニー、または最小エントロピー）を用いて、IDS警報ペイロード内のデータ変動性をモデル化する。
• 複数のIDS警報におけるエントロピー分散を計算し、検出パターンの整合性と感受性を評価する。
• 定量的情報フロー解析を適用し、データエントロピーの変動と潜在的なプライバシー漏洩を関連付ける。
• シミュレーションおよびIDSルール行動に関する実世界実験を用いて、指標の実証的検証を行う。
• 異なるルールタイプ（プレーンテキスト、匿名化済み、偽名化済み、暗号化済み）間でのエントロピー分散を比較する。
• プライバシー漏洩リスク指標 π_R = I × L を定義する。ここで L は情報漏洩（エントロピー分散）を、I はプライバシーインパクトを表す。

実験結果

リサーチクエスチョン

• RQ1 IDS警報ペイロードにおけるエントロピー分散は、プライバシー漏洩リスクを信頼性高く示すことができるか？
• RQ2 提案された指標のもとで、プレーンテキスト、暗号化、匿名化などの異なるデータタイプは、エントロピー分散においてどのように性能を発揮するか？
• RQ3 この指標は、プライバシーの観点から、正確なルールと不正確なルールを区別できるか？
• RQ4 この指標は、クレジットカード番号や健康データなど、意図せず機密情報を暴露するルールをどの程度特定できるか？
• RQ5 Snort や OSSEC などのオープンソースIDSツールにおけるプライバシー侵害行動を検出する上で、この指標はどの程度有効か？

主な発見

• エントロピーに基づく指標は、高リスクのプライバシー漏洩を伴うIDSルールと、最小または無視できる漏洩リスクのルールを効果的に区別できた。
• プレーンテキストまたは構造のないデータをトリガーとするルールは、匿名化または暗号化されたデータと比較して顕著に高いエントロピー分散を示した。
• 入力長が十分にあれば、匿名化または偽名化されたデータはほぼゼロのエントロピー分散を示し、プライバシー漏洩リスクが低減していることが示された。
• ペイロードエントロピーの高い変動性を検出することで、曖昧または広範なパターンを持つ不正確なルールを同定できた。
• シミュレーションおよび実験による実証的検証により、モデルが実世界のシナリオにおいてプライバシーに敏感なルール行動を検出できる能力を確認した。
• 本手法により、MSSPの客観的プライバシーベンチマークが可能となり、機密性の暴露を低減するためのIDSルールのチューニングを支援できるようになった。