[논문 리뷰] Aegis: A Context-aware Security Framework for Smart Home Systems

Amit Kumar Sikder, Leonardo Babun외 2명|arXiv (Cornell University)|2019. 10. 09.

Advanced Malware Detection Techniques참고 문헌 27인용 수 14

한 줄 요약

Aegis는 사용자 활동 중 기기 및 센서 상태 전이를 분석하여 악성 행동을 탐지하는 맥락 인식 보안 프레임워크이다. 사용자 활동 맥락을 기반으로 양호한 행동과 악성 행동을 구분하는 맥락 모델을 수립한다. 다양한 실제 스마트 홈 환경에서 평가된 결과, Aegis는 소스 코드 수정이나 사용자 정책 의존 없이 최소한의 성능 오버헤드로 다섯 가지의 다른 위협 유형을 95% 이상의 정확도로 탐지할 수 있으며, 런타임 보안을 강력하고 구현 가능한 방식으로 제공한다.

ABSTRACT

Our everyday lives are expanding fast with the introduction of new Smart Home Systems (SHSs). Today, a myriad of SHS devices and applications are widely available to users and have already started to re-define our modern lives. Smart home users utilize the apps to control and automate such devices. Users can develop their own apps or easily download and install them from vendor-specific app markets. App-based SHSs offer many tangible benefits to our lives, but also unfold diverse security risks. Several attacks have already been reported for SHSs. However, current security solutions consider smart home devices and apps individually to detect malicious actions rather than the context of the SHS as a whole. The existing mechanisms cannot capture user activities and sensor-device-user interactions in a holistic fashion. To address these issues, in this paper, we introduce Aegis, a novel context-aware security framework to detect malicious behavior in a SHS. Specifically, Aegis observes the states of the connected smart home entities (sensors and devices) for different user activities and usage patterns in a SHS and builds a contextual model to differentiate between malicious and benign behavior. We evaluated the efficacy and performance of Aegis in multiple smart home settings (i.e., single bedroom, double bedroom, duplex) with real-life users performing day-to-day activities and real SHS devices. We also measured the performance of Aegis against five different malicious behaviors. Our detailed evaluation shows that Aegis can detect malicious behavior in SHS with high accuracy (over 95%) and secure the SHS regardless of the smart home layout, device configuration, installed apps, and enforced user policies. Finally, Aegis achieves minimum overhead in detecting malicious behavior in SHS, ensuring easy deployability in real-life smart environments.

연구 동기 및 목표

• 앱 기반 스마트 홈 시스템(SHSs)의 악성 앱 및 기기 해킹으로 인한 증가하는 보안 위험을 해결하기 위해.
• 기기나 앱을 개별적으로 분석하는 기존 솔루션의 한계를 극복하기 위해, 사용자 활동과 시스템 전반의 상호작용 맥락에서 분석하는 것을 목적으로 한다.
• 소스 코드 접근 또는 사용자 정의 정책이 필요 없는 런타임 기반 행동 기반 탐지 시스템을 개발하기 위해.
• 다양한 스마트 홈 레이아웃, 기기 구성, 사용자 정책에서 높은 탐지 정확도를 확보하기 위해.
• 원시 사용자 데이터 저장을 방지하여 사용자 프라이버시를 보호하고 시스템 오버헤드를 최소화하기 위해.

제안 방법

• Aegis는 사용자 활동 중 센서 및 기기의 실시간 상태 변화(활성/비활성)를 관찰하여 맥락 기반 행동 패턴을 캡처한다.
• 특정 사용자 행동(예: 침실에서 복도로 이동)과 관련된 기기 및 센서 활성화 순서를 연관지켜 맥락 모델을 구축한다.
• 센서 이벤트와 기기 반응 간의 시간적 및 공간적 상관관계(예: 움직임 감지기로 인해 조명이 켜짐)를 활용해 예상되는 행동을 검증한다.
• 소스 코드 수정이나 기기 인스트루멘테이션 없이도 런타임 동안 기기 행동 패턴을 분석한다.
• 중앙 액세스 포인트에서 데이터를 집계함으로써 이질적인 스마트 홈 기기들에 대한 확장 가능한 모니터링을 가능하게 한다.
• 기존 맥락 기반 정규화에서의 이탈 여부를 기반으로 기계 학습 기법을 적용해 행동을 양호 또는 악성으로 분류한다.

실험 결과

연구 질문

• RQ1 사용자 활동 맥락을 활용함으로써, 개별 기기나 앱 분석이 아닌 방식으로 스마트 홈 시스템에서 악성 행동을 효과적으로 탐지할 수 있는가?
• RQ2 실제 스마트 홈 환경에서 센서-기기-사용자 상호작용 순서를 모델링함으로써 달성할 수 있는 탐지 정확도는 어느 정도인가?
• RQ3 사용자 입력이나 정책 설정 없이도 다양한 스마트 홈 레이아웃, 기기 구성, 사용자 정책에서 높은 탐지 성능을 유지할 수 있는 맥락 인식 프레임워크는 가능한가?
• RQ4 기존의 정적 분석 또는 포렌식 기반 접근 방식과 비교할 때 Aegis는 오버헤드와 프라이버시 보호 측면에서 어떤가?
• RQ5 사전에 알려진 공격 서명 없이도 Aegis는 다양한 악성 행동을 얼마나 효과적으로 탐지할 수 있는가?

주요 결과

• Aegis는 단일 침실, 이중 침실, 듀플렉스 구성 등 다양한 실제 스마트 홈 환경에서 악성 행동 탐지에 95% 이상의 정확도와 F-스코어를 달성한다.
• 이 프레임워크는 서비스 거부, 무단 접근, 데이터 유출 공격를 포함한 다섯 가지의 다른 악성 행동 유형을 성공적으로 탐지한다.
• 스마트 홈 레이아웃, 사용자 수, 적용된 사용자 정책과 관계없이 높은 탐지 성능을 유지하여 강력한 일반화 능력을 입증한다.
• 시스템 오버헤드가 최소화되어 실제 스마트 홈 환경에서의 구현에 적합하다.
• 스마트 홈 기기에서 사용자 데이터를 저장하지 않아 이전의 로깅 기반 접근 방식에 비해 프라이버시 위험을 크게 줄였다.
• 소스 코드 접근이나 수정 없이도 기존 스마트 홈 플랫폼(예: 삼성 스마트싱스)에 쉽게 배포할 수 있다.