[논문 리뷰] A Triangular Fuzzy based Multicriteria Decision Making Approach for Assessing Security Risks in 5G Networks

Hisham A. Kholidy|arXiv (Cornell University)|2021. 12. 24.

Information and Cyber Security인용 수 11

한 줄 요약

이 논문은 삼각 퍼저리 수치(TFNs)를 다기준 의사결정(MCDM) 프레임워크와 융합하여 5G 네트워크 보안 위험 평가를 향상시키는 삼각 퍼저리 다기준 의사결정 접근법을 제안한다. 이 방법은 높은 확률로 발생할 수 있는 공격 전파 경로를 식별함으로써 위험 요소의 불확실성을 모델링하여 취약성 평가의 정확성을 향상시킨다. 실시간 실험 환경에서 OSM, OpenStack, FlexRan을 활용한 동적 보안 오케스트레이션 및 실험을 통해 검증되었다.

ABSTRACT

The emerging 5G network is a new global wireless standard after 1G, 2G, 3G, and 4G networks. In comparison to 4G, it has lower latency, larger capacity, and more bandwidth. These network upgrades will have a profound impact on how people throughout the world live and work. The current research investigates mechanisms to protect the 5G networks to meet resilience requirements and to minimize the damage from attacks that do occur. The main contribution of this paper includes: (1) Improving the current 5G security testbed by orchestrating the security services using the OSM and Open stack, Integrating the FlexRan with the testbed components to control and manage the eNodeB, and implementing some real-time security experiments to test and validate the testbed. (2) Develop an intelligent fuzzy method to improve the accuracy of the current Vulnerability Assessment Approach (VAA) using a new approach that integrates the Triangular Fuzzy Numbers (TFNs) and a multi-criteria decision-making technique to find the attack graph paths where the attack most probably will propagate in the 5G network.

연구 동기 및 목표

• 증가하는 복잡성과 불확실성을 고려하여 기존의 취약성 평가 방법을 향상시키기 위해 5G 네트워크 보안의 복잡성과 불확실성을 해결하고자 한다.
• 5G 환경에서의 모호하고 주관적인 위험 요소를 고려한 의사결정 프레임워크를 개발하고자 한다.
• OSM 및 OpenStack과 같은 오케스트레이션 도구를 활용하여 실시간 보안 실험을 테스트베드에 통합하고자 한다.
• 5G 네트워크에서 가장 가능성이 높은 공격 전파 경로를 식별함으로써 공격 표면 분석을 향상시키고자 한다.
• FlexRan을 활용하여 eNodeB 제어 및 관리를 통합한 실용적이고 동적인 테스트베드를 통해 제안된 방법을 검증하고자 한다.

제안 방법

• 공격 가능성, 영향력, 발생 가능성과 같은 불확실하거나 주관적인 위험 기준을 표현하기 위해 삼각 퍼저리 수치(TFNs)를 사용한다.
• TFNs를 다기준 의사결정(MCDM) 프레임워크에 통합하여 잠재적 공격 경로의 순위를 매기고 우선순위를 정한다.
• OSM 및 OpenStack을 사용하여 보안 서비스를 동적으로 오케스트레이션하고 관리하기 위한 테스트베드 아키텍처를 활용한다.
• 실시간 네트워크 동작 시뮬레이션을 지원하기 위해 테스트베드에 FlexRan을 통합하여 eNodeB 구성 요소를 제어하고 모니터링한다.
• 퍼저리 논리에서 유도된 위험 점수를 기반으로 공격 그래프를 모델링하여 불확실 조건 하에서 전파를 시뮬레이션한다.
• 공격 시뮬레이션 및 탐지 및 대응 효과성 측정을 통한 실시간 실험을 통해 접근법을 검증한다.

실험 결과

연구 질문

• RQ1 5G 네트워크 위험 요소의 불확실성을 효과적으로 모델링하여 취약성 평가 정확도를 향상시킬 수 있는 방법은 무엇인가?
• RQ2 위험 데이터가 모호하거나 주관적인 경우 5G 네트워크에서 공격 경로를 우선순위로 정렬하는 가장 효과적인 방법은 무엇인가?
• RQ3 퍼저리 논리와 다기준 의사결정을 융합함으로써 고확률 공격 전파 경로 식별 능력이 어떻게 향상되는가?
• RQ4 오케스트레이션 도구를 활용한 실시간 테스트베드는 보안 위험 평가 모델의 검증에 어느 정도 기여하는가?
• RQ5 OSM, OpenStack, FlexRan의 조합이 5G 네트워크에서 동적이고 확장 가능한 보안 실험을 가능하게 하는가?

주요 결과

• 제안된 퍼저리 MCDM 접근법은 위험 매개변수의 불확실성을 처리함으로써 5G 네트워크에서 중요한 공격 경로 식별 정확도를 크게 향상시켰다.
• OSM 및 OpenStack의 통합은 보안 서비스의 동적 오케스트레이션을 가능하게 하여 테스트베드의 유연성과 확장성을 향상시켰다.
• FlexRan의 통합은 eNodeB 구성 요소의 실시간 제어 및 모니터링을 가능하게 하여 5G 네트워크 동작의 정확한 시뮬레이션을 지원했다.
• 실시간 실험을 통해 테스트베드가 동적 조건 하에서 공격 전파를 탐지하고 분석하는 데 있어 실현 가능성과 반응성의 타당성을 확인했다.
• 삼각 퍼저리 수치의 사용은 주관적이고 모호한 위험 입력을 효과적으로 포착하여 보다 신뢰할 수 있는 위험 우선순위 정렬을 이끌어냈다.
• 다기준 평가를 불확실성 하에서 통합함으로써 전통적인 취약성 평가 방법에 비해 의사결정 정확도가 향상된 것을 프레임워크가 입증했다.