[논문 리뷰] A framework for mitigating zero-day attacks in IoT

Vishal Sharma, Jiyoon Kim외 4명|arXiv (Cornell University)|2018. 04. 16.

Network Security and Intrusion Detection참고 문헌 8인용 수 19

한 줄 요약

이 논문은 중앙집중식 접근 방식에 비해 운영 비용을 33% 낮추고 통신 오버헤드를 21% 감소시키기 위해, 신뢰 재설립을 위한 임계 데이터 공유 프로토콜을 갖춘 분산형, 컨텍스트 그래프 기반 프레임워크를 제안한다. 이는 IoT 네트워크에서 제로데이 공격을 탐지하고 완화하기 위한 이중 진단 시스템(중앙 진단 시스템 및 현지 진단 시스템)을 사용한다.

ABSTRACT

Internet of Things (IoT) aims at providing connectivity between every computing entity. However, this facilitation is also leading to more cyber threats which may exploit the presence of a vulnerability of a period of time. One such vulnerability is the zero-day threat that may lead to zero-day attacks which are detrimental to an enterprise as well as the network security. In this article, a study is presented on the zero-day threats for IoT networks and a context graph-based framework is presented to provide a strategy for mitigating these attacks. The proposed approach uses a distributed diagnosis system for classifying the context at the central service provider as well as at the local user site. Once a potential zero-day attack is identified, a critical data sharing protocol is used to transmit alert messages and reestablish the trust between the network entities and the IoT devices. The results show that the distributed approach is capable of mitigating the zero-day threats efficiently with 33% and 21% improvements in terms of cost of operation and communication overheads, respectively, in comparison with the centralized diagnosis system.

연구 동기 및 목표

• 패치가 지연되고 실시간 탐지 기능이 부족한 탓에 광범위한 손상이 발생할 수 있는 제로데이 취약성의 증가하는 위협에 대응하기 위해.
• 분산된 노드 간의 컨텍스트 기반 분석을 통해 제로데이 위협을 조기에 탐지함으로써 취약성 창을 줄이기 위해.
• 위협 탐지 후 빠른 경고 전파 및 자동 신뢰 재설립을 통해 IoT 네트워크의 신뢰성과 내성 강화를 위해.
• 중앙집중식 진단 모델에 비해 운영 효율성을 향상시키고 통신 오버헤드를 감소시키기 위해.

제안 방법

• 프레임워크는 현지(LDS) 및 중앙(CDS) 수준에서 IoT 기기의 행동 상태를 표현하기 위해 컨텍스트 그래프 모델을 사용하여 컨텍스트 기반 이상 탐지 기능을 제공한다.
• 현지 진단 시스템(LDS)이 사용자 현장에 위치하고 서비스 제공자에 위치한 중앙 진단 시스템(CDS)을 포함하는 분산 진단 시스템(DDS)을 구현하여 병렬 컨텍스트 분류를 가능하게 한다.
• CDS는 저장된 기기 상태와 소속 기기 및 하위 기기로부터의 실시간 컨텍스트 데이터를 비교하기 위해 전략적 컨텍스트 그래프를 사용하며, 상호 배제 규칙을 적용하여 제로데이 위협을 나타내는 불일치를 탐지한다.
• 위협 탐지 시, 임계 데이터 공유 프로토콜이 활성화되어 경고 전파, 패치 배포, HGW 및 IoT 기기 포함 네트워크 엔티티 간의 신뢰 재설립을 수행한다.
• 신뢰 상태 업데이트를 관리하고 진단 계층 간 일관성을 확보하기 위해 카운터 메커니즘과 난수 정수 값을 사용한다.
• 프레임워크는 500개 센서를 포함한 시뮬레이션된 IoT 환경에서 평가되었으며, 분산(모든 CDS, LDS, SDS 포함) 및 중앙집중식(CDS 전용) 진단 모드를 비교하였다.

실험 결과

연구 질문

• RQ1 컨텍스트 기반 행동 모델링을 통해 IoT 네트워크에서 제로데이 위협을 조기에 탐지할 수 있는 방법은 무엇인가?
• RQ2 운영 비용과 통신 오버헤드 측면에서 분산 진단 시스템은 중앙집중식 시스템에 비해 어떤 성능 영향을 미치는가?
• RQ3 임계 데이터 공유 프로토콜은 기기 제거 없이도 신뢰 재설립과 제로데이 위협 완화에 얼마나 효과적인가?
• RQ4 동적 IoT 환경에서 컨텍스트 그래프 기반 모델링은 가짜 경고를 얼마나 줄이고 탐지 정확도를 향상시킬 수 있는가?

주요 결과

• 분산 진단 시스템은 중앙집중식 진단 시스템에 비해 운영 비용을 33% 감소시켜 위협 탐지 효율성 향상을 보여주었다.
• 분산 모델에서 통신 오버헤드는 21% 감소하여 더 나은 확장성과 네트워크 부하 감소를 입증하였다.
• 임계 데이터 공유 프로토콜은 손상된 기기를 제거하지 않고도 경고 전파 및 신뢰 재설립을 성공적으로 수행하여 서비스 장애를 최소화하였다.
• 저장된 상태와 수신된 컨텍스트 상태 간의 상호 배제 규칙을 적용한 컨텍스트 그래프 불일치 탐지 기반으로 프레임워크는 효과적으로 제로데이 위협을 식별하였다.
• 전략적 컨텍스트 그래프 모델은 배포 및 런타임 중 AP 및 게이트웨이를 포함한 네트워크 계층 전반에서 기기 행동을 효과적으로 추적하는 데 성공하였다.