[논문 리뷰] Cross-App Threats in Smart Homes: Categorization, Detection and Handling

Haotian Chi, Qiang Zeng외 2명|arXiv (Cornell University)|2018. 08. 06.

Advanced Malware Detection Techniques인용 수 5

한 줄 요약

이 논문은 삼성 스마트싱스와 같은 IoT 플랫폼에서 최소 권한 원칙을 따르는 앱들 간의 상호작용으로 인해 발생할 수 있는 의도하지 않은 자동화, 개인정보 유출, 보안 문제와 같은 크로스앱 간섭(Cross-App Interference, CAI) 위협을 탐지하는 HOMEGUARD 시스템을 소개한다. 이 시스템은 심볼릭 실행을 활용해 앱의 의미를 추출하고 상호작용을 체계적으로 분석함으로써 설치 시기 동안 정밀한 위협 탐지 및 사용자 인지 기반의 완화를 가능하게 한다.

ABSTRACT

A number of Internet of Things (IoTs) platforms have emerged to enable various IoT apps developed by third-party developers to automate smart homes. Prior research mostly concerns the overprivilege problem in the permission model. Our work, however, reveals that even IoT apps that follow the principle of least privilege, when they interplay, can cause unique types of threats, named Cross-App Interference (CAI) threats. We describe and categorize the new threats, showing that unexpected automation, security and privacy issues may be caused by such threats, which cannot be handled by existing IoT security mechanisms. To address this problem, we present HOMEGUARD, a system for appified IoT platforms to detect and cope with CAI threats. A symbolic executor module is built to precisely extract the automation semantics from IoT apps. The semantics of different IoT apps are then considered collectively to evaluate their interplay and discover CAI threats systematically. A user interface is presented to users during IoT app installation, interpreting the discovered threats to help them make decisions. We evaluate HOMEGUARD via a proof-of-concept implementation on Samsung SmartThings and discover many threat instances among apps in the SmartThings public repository. The evaluation shows that it is precise, effective and efficient.

연구 동기 및 목표

• 최소 권한 원칙을 따르는 IoT 앱 간의 상호작용으로 인해 발생하는 새로운 보안 및 개인정보 위협을 식별하고 분류하는 것.
• 기존의 권한 기반 모델이 개별 앱의 권한이 아닌 앱 간 상호작용으로 인한 위협을 탐지하지 못하는 한계를 해결하는 것.
• 특히 설치 단계에서 악성 자동화 흐름이 배포되는 것을 방지하기 위해 앱 라이프사이클 초기에 CAI 위협을 조기에 탐지할 수 있는 시스템을 설계하는 것.
• 사용자 인터페이스를 통해 탐지된 위협을 해석 가능한 인간어 형태로 제공하여 사용자가 정보 기반 결정보다 더 나은 결정을 내릴 수 있도록 지원하는 것.
• 실제 IoT 플랫폼 환경에서 탐지 메커니즘의 효과성, 정밀도 및 효율성을 평가하는 것.

제안 방법

• 앱의 논리와 이벤트 트리거 기반으로 개별 IoT 앱의 자동화 의미를 정밀하게 추출하기 위한 심볼릭 실행기 모듈을 설계하는 것.
• 다양한 앱의 의미를 통합하여 잠재적인 상호작용을 모델링하고 의도하지 않은 또는 악성 행동을 탐지하는 것.
• 앱 조합의 모든 가능한 실행 경로를 체계적으로 분석하여 의도하지 않은 자동화 및 개인정보 泄露를 포함한 CAI 위협을 발견하는 것.
• 설치 시기 동안 탐지된 위협을 인간이 이해할 수 있는 형태로 해석하는 사용자 인터페이스를 구현하여 사용자 인식을 향상시키는 것.
• 실제 플랫폼인 삼성 스마트싱스를 대상으로 공개 리포지터리의 앱을 활용하여 실용성과 확장성을 검증하기 위해 평가를 수행하는 것.

실험 결과

연구 질문

• RQ1 최소 권한을 가진 제3자 IoT 앱들이 스마트 홈 플랫폼에서 상호작용할 때 어떤 유형의 크로스앱 간섭(Cross-App Interference, CAI) 위협이 발생하는가?
• RQ2 기존의 IoT 보안 메커니즘은 앱 간 상호작용으로 인한 CAI 위협을 탐지할 수 있는가, 아니면 새로운 탐지 기법이 필요한가?
• RQ3 IoT 앱의 자동화 의미를 어떻게 정밀하게 추출하고 조합하여 그 집합적 행동을 모델링할 수 있는가?
• RQ4 HOMEGUARD와 같은 시스템이 실세계 앱 리포지터리에서 높은 정밀도, 효과성 및 효율성으로 CAI 위협을 탐지할 수 있는 정도는 어느 정도인가?
• RQ5 사용자가 앱 설치 시점에 탐지된 위협을 효과적으로 인지할 수 있도록 하는 방법은 무엇인가, 이를 통해 더 나은 보안 결정을 내릴 수 있는가?

주요 결과

• HOMEGUARD는 스마트싱스 공개 리포지터리의 앱들 사이에서 다수의 CAI 위협 사례를 성공적으로 탐지하여 실제 적용 가능성에 대한 타당성을 입증했다.
• 심볼릭 실행기 모듈은 IoT 앱의 자동화 의미를 정확하게 추출하여 상호작용 행동을 정밀하게 모델링하는 데 기여했다.
• 심층 학습 기반 탐지 방법에서 흔히 발생하는 가짜 경고를 피하기 위해 높은 정밀도로 위협을 식별하는 데 성공했다.
• HOMEGUARD는 기존에 발견되지 않은 위협, 예를 들어 의도하지 않은 자동화 체인과 앱 상호작용으로 인한 개인정보 유출까지도 효과적으로 드러내는 데 성공했다.
• 평가 결과 HOMEGUARD는 성능 오버헤드가 수용 가능한 수준이어서 앱 설치 워크플로우에 통합하기에 충분히 효율적임을 확인했다.