[論文レビュー] Mission Aware Cyber-physical Security

Georgios Bakirtzis, Bryan Carter+2 more|arXiv (Cornell University)|Dec 5, 2017

Information and Cyber Security参考文献 2被引用数 7

ひとこと要約

本論文は、システムアーキテクチャ、ミッション要件、脅威証拠を統合することで、ミッション成功に直接影響を及ぼす脆弱性を前もって特定・優先順位付けする、モデルベースでミッション中心のサイバーセキュリティ手法「*mission aware*」を提案する。構造的エリシテーション（『ウォー・ルーム』）、階層的モデリング、公開脆弱性データベース（CAPEC、CWE、CVE）からの証拠マッピングを用いることで、境界準拠ではなくミッションの生存可能性に焦点を当てた、トレーサブルで戦略的なリスク分析を可能にする。

ABSTRACT

Perimeter cybersecurity, while essential, has proven insufficient against sophisticated, coordinated, and cyber-physical attacks. In contrast, mission-centric cybersecurity emphasizes finding evidence of attack impact on mission success, allowing for targeted resource allocation to mitigate vulnerabilities and protect critical assets. Mission Aware is a systems-theoretic cybersecurity analysis that identifies components which, if compromised, destabilize the overall mission. It generates evidence by finding potential attack vectors relevant to mission-linked elements and traces this evidence to mission requirements, prioritizing high-impact vulnerabilities relative to mission objectives. Mission Aware is an informational tool for system resilience by unifying cybersecurity analysis with core systems engineering goals.

研究の動機と目的

• 高度で一貫した攻撃からミッションクリティカルなサイバー物理システム（CPS）を保護するための境界ベースのサイバーセキュリティの不十分さに対処すること。
• コンプライアンス中心のセキュリティの限界を克服し、初期段階のセキュリティ分析にミッション文脈を統合すること。
• ミッション成功の崩壊を引き起こす可能性のあるシステムコンポーネントを体系的かつトレーサブルに同定すること。
• 現実世界の脆弱性データ（例：CVE、CAPEC）をミッションクリティカルなシステムコンポーネントにリンクすることで、前もって実行可能な、証拠に基づいたリスク評価を可能にすること。
• 指揮官からエンジニアリングチームに至るステークホルダーの意思決定を支援するため、形式的で階層的なフレームワークを用いてサイバー脅威のミッション影響をモデル化すること。

提案手法

• 指揮官、運用者、ドメインスペシャリストなどのステークホルダーを含む、『ウォー・ルーム』と呼ばれる構造的エリシテーションプロセスを実施し、ミッションシナリオ、目標、脅威空間を定義する。
• SysMLと集合論的／グラフ論的形式的表現を用いて、ミッション要件、許容可能な機能的動作、システムアーキテクチャを形式的で階層的なモデルとして構築する。
• STPA-Secを基盤としてハザード分析を実施し、ミッションパフォーマンスの低下を引き起こす可能性のある故障モードを同定する。
• 公開リポジトリ（CAPEC、CWE、CVE）から得た現実世界のサイバー脅威と脆弱性を、特定のシステムコンポーネントにマッピングし、攻撃の可能性を示す『証拠』を生成する。
• 各証拠項目がミッション要件に与える影響をトレースすることで、ミッション目標に対して最も大きな影響を及ぼす脅威を特定する。
• グラフ表現を用いて、ミッション目標、システムコンポーネント、攻撃ベクトルの関係を可視化・分析し、包括的でミッション中心のインサイトを提供する。

実験結果

リサーチクエスチョン

• RQ1 サイバーセキュリティ分析を境界ベースのコンプライアンスから、ミッション中心のリスク優先順位付けへとどのようにシフトできるか。
• RQ2 ミッション要件からシステムコンポーネントおよび関連するサイバー脅威に至るまでのトレーサビリティを可能にする形式的モデリングフレームワークは何か。
• RQ3 現実世界の脆弱性データ（例：CVE、CAPEC）を、ミッションクリティカルなシステムコンポーネントに体系的にマッピングする方法は何か。これにより、ミッションへの影響をどのように評価できるか。
• RQ4 『ウォー・ルーム』と呼ばれる構造的エリシテーションプロセスは、CPSにおける脅威モデリングの正確性と関連性をどのように向上させるか。
• RQ5 モデル駆動で証拠に基づいた分析は、詳細なセキュリティ評価を要するシステムコンポーネントの数をどの程度削減できるか。

主な発見

• *mission aware* メソドロジーは、サイバーセキュリティを戦術的で境界ベースのセキュリティから、ミッション中心のリスク分析へと戦略的転換を可能にし、システムの目的とミッション目標に基づくセキュリティの根拠を提供する。
• ミッション要件、許容可能な動作、システムアーキテクチャを統合的かつトレーサブルなフレームワークでモデル化することで、*mission aware* はセキュリティ分析が運用目標と整合することを保証する。
• CAPEC、CWE、CVE といった公開脆弱性データベースを活用して『証拠』を生成することで、ミッションクリティカルなコンポーネントに対する脅威影響の現実的でデータドリブンな評価が可能になる。
• ミッション成功の直接的な劣化を引き起こす可能性のあるコンポーネントにのみ焦点を当てることで、詳細分析を要するシステム要素の数を削減する。
• 階層的モデリングとグラフベースの表現により、ミッション影響の包括的で視覚的かつトレーサブルなビューが得られ、ステークホルダー間の理解と意思決定を強化する。
• 反復的でモデル駆動のプロセス自体が学習メカニズムとして機能し、指揮、調達、エンジニアリングの各役割において『仮説的』な分析を通じてシステムのレジリエンスを向上させる。