[論文レビュー] Proactive Defense for Internet-of-Things: Integrating Moving Target Defense with Cyberdeception

Mengmeng Ge, Jin-Hee Cho+3 more|arXiv (Cornell University)|May 8, 2020

Information and Cyber Security参考文献 36被引用数 6

ひとこと要約

本稿は、SDNベースの環境において、動的ネットワークトポロジーのシャッフルによる移動的標的防御（MTD）と、おとりノードを用いたサイバーデシーブションを統合することで、IoTネットワークの包括的で予防的防御を提案する。この手法は、システムの寿命を著しく延長（MTTSFが最大60％増加）、攻撃の複雑さを高め、高いサービス可用性を維持する。特に、多目的な目標下でHS-DPNTが最適な戦略となる。

ABSTRACT

Resource constrained Internet-of-Things (IoT) devices are highly likely to be compromised by attackers because strong security protections may not be suitable to be deployed. This requires an alternative approach to protect vulnerable components in IoT networks. In this paper, we propose an integrated defense technique to achieve intrusion prevention by leveraging cyberdeception (i.e., a decoy system) and moving target defense (i.e., network topology shuffling). We verify the effectiveness and efficiency of our proposed technique analytically based on a graphical security model in a software defined networking (SDN)-based IoT network. We develop four strategies (i.e., fixed/random and adaptive/hybrid) to address "when" to perform network topology shuffling and three strategies (i.e., genetic algorithm/decoy attack path-based optimization/random) to address "how" to perform network topology shuffling on a decoy-populated IoT network, and analyze which strategy can best achieve a system goal such as prolonging the system lifetime, maximizing deception effectiveness, maximizing service availability, or minimizing defense cost. Our results demonstrate that a software defined IoT network running our intrusion prevention technique at the optimal parameter setting prolongs system lifetime, increases attack complexity of compromising critical nodes, and maintains superior service availability compared with a counterpart IoT network without running our intrusion prevention technique. Further, when given a single goal or a multi-objective goal (e.g., maximizing the system lifetime and service availability while minimizing the defense cost) as input, the best combination of "how" and "how" strategies is identified for executing our proposed technique under which the specified goal can be best achieved.

研究の動機と目的

• 迅速な攻撃者にさらされるリソース制限のあるIoTネットワークにおける軽量で予防的セキュリティの重要なニーズに対応する。
• 侵入検知システム（IDS）の反応型特性の限界を克服し、予防的侵入防止メカニズムを構築する。
• 移動的標的防御（MTD）とサイバーデシーブションを統合することで、攻撃者の不確実性と複雑さを高めつつ、防御のオーバーヘッドを最小限に抑える。
• おとりノードを含むネットワークで、トポロジーのシャッフルのタイミング（「いつ」）と方法（「どのように」）を最適化し、特定のシステム目標を達成する。
• 提案された防御機構の有効性と効率性を分析的に評価するためのグラフィカルセキュリティモデル（GSM）に基づく評価フレームワークを開発する。

提案手法

• SDNベースのIoTネットワークにおいて、攻撃者をだますためにネットワークトポロジーを動的に再構成する新規なNTS-MTD（ネットワークトポロジーのシャッフル - 移動的標的防御）技術を提案する。
• シャッフルのタイミングを決定するための4つの「いつシャッフルするか」戦略（固定、ランダム、適応、ハイブリッド）を導入し、システムの脆弱性閾値やインターバルに基づいて最適なタイミングを特定する。
• トポロジー再構成のパターンを決定するための3つの「どのようにシャッフルするか」戦略（遺伝的アルゴリズム（GANT）、おとり経路最適化（DPNT）、ランダム（RNT））を開発する。
• 攻撃グラフを表現し、MTTSF（成功攻撃までの平均時間）、PDR（パケット配信効率）、おとり効果といったセキュリティメトリクスを計算するために、グラフィカルセキュリティモデル（GSM）を採用する。
• スマート病院のIoTシナリオを想定したシミュレーションにより、システム寿命、おとり効果、サービス可用性、防御コストという複数の目的における性能を評価する。
• 複数目的最適化を用いて、コストとレジリエンスのトレードオフを考慮した条件下で、「いつ」と「どのように」の戦略の最良組み合わせを同定する。

実験結果

リサーチクエスチョン

• RQ1 おとりノードを含むSDN-IoTネットワークにおいて、『いつシャッフルするか』と『どのようにシャッフルするか』の戦略の組み合わせで、システム寿命（MTTSF）を最大限に高められるのはどれか？
• RQ2 トポロジーのシャッフルを通じてMTDとサイバーデシーブションを統合した場合、ベースラインシステムと比較しておとり効果とサービス可用性にどのような影響を与えるか？
• RQ3 実ノードとおとりノードの数の変動が、攻撃経路の分布、防御コスト、システムレジリエンスに与える影響は何か？
• RQ4 適応的およびハイブリッドシャッフル戦略（AS/HS）は、固定およびランダム戦略と比較して、防御コストと攻撃経路の露出の面でどのように異なるか？
• RQ5 提案されたGSMに基づく評価フレームワークは、複数目的制約下でセキュリティ成果を有効に定量化・最適化できるか？

主な発見

• HS-DPNT戦略（ハイブリッドシャッフル＋おとり経路最適化トポロジー）は、MTTSFの最大26％の増加を達成し、防御コストを最小限に抑えつつシステム寿命を最大化する最適な戦略であった。
• FS-DPNT（固定シャッフル＋DPNT）は、PDRの最大60％の増加を達成し、最適パrameter設定下で優れたサービス可用性を示した。
• 適応的およびハイブリッドシャッフル戦略（AS/HS）は、固定／ランダム方式と比較して防御コストを低減したが、ややおとり効果が低下（おとりノードへの攻撃経路が減少）した。
• DPNTベースのシャッフルは、GANTに比べて防御コストが低く抑えられつつ、MTTSFとPDRは同等を維持したため、遺伝的アルゴリズムに基づく手法に比べてより効率的であった。
• 実ノードの数は攻撃経路の分布とMTTSFに顕著な影響を及ぼしたが、おとりノードの数は防御コストを増加させる一方で、MTTSFに顕著な影響を及ぼさなかった。
• MTTSFを最大化するための最適なSSV閾値（システムセキュリティ脆弱性レベル）と最大遅延パrameterが同定され、システム設計者にとって実用的な指針が得られた。