[논문 리뷰] DLACB: Deep Learning Based Access Control Using Blockchain

Asma Jodeiri Akbarfam, Sina Barazandeh외 2명|arXiv (Cornell University)|2023. 03. 26.

Blockchain Technology Applications and Security인용 수 5

한 줄 요약

이 논문은 행동 패턴을 기반으로 사용자 권한을 동적으로 결정하는 딥러닝을 활용하는 블록체인 통합 접근 제어 프레임워크인 DLACB를 제안한다. 이는 보안성과 투명성을 향상시킨다. 사용자를 인증하고 접근 요청을 블록체인에 변하지 않게 기록함으로써, 모든 테스트 시나리오에서 높은 정확도로 악성 행동을 효과적으로 탐지한다.

ABSTRACT

In general, deep learning models use to make informed decisions immensely. Developed models are mainly based on centralized servers, which face several issues, including transparency, traceability, reliability, security, and privacy. In this research, we identify a research gap in a distributed nature-based access control that can solve those issues. The innovative technology blockchain could fill this gap and provide a robust solution. Blockchain's immutable and distributed nature designs a useful framework in various domains such as medicine, finance, and government, which can also provide access control as opposed to centralized methods that rely on trusted third parties to access the resources. In existing frameworks, a traditional access control approach is developed using blockchain, which depends on predefined policies and permissions that are not reliable. In this research, we propose DLACB: Deep Learning Based Access Control Using Blockchain, which utilizes a deep learning access control mechanism to determine a user's permissions on a given resource. This proposed framework authenticates the users and logs the access requests on the blockchain to recognize malicious users. The results show that this proposed framework operates correctly for all possible scenarios.

연구 동기 및 목표

• 중앙집중식 딥러닝 모델의 한계, 즉 투명성, 추적 가능성, 보안성 부족 문제를 해결한다.
• 고정된 정책과 사전 정의된 권한에 의존하는 전통적인 블록체인 기반 접근 제어 시스템의 경직성 문제를 극복한다.
• 딥러닝을 활용해 사용자 행동에 따라 적응하는 동적이고 행동 중심의 접근 제어 메커니즘을 개발한다.
• 블록체인 기술 통합을 통해 접근 로그의 감사 가능성과 변하지 않음을 보장한다.
• 행동 분석과 분산 원장 기록을 결합해 악성 사용자를 탐지하는 견고한 솔루션을 제공한다.

제안 방법

• 사용자 접근 패턴을 분석하고 적절한 권한을 동적으로 유추하기 위해 딥러닝 모델을 활용한다.
• 행동 점수를 접근 권한에 매핑하는 권한 할당 모듈과 딥러닝 추론 엔진을 통합한다.
• 모든 접근 요청과 인증 이벤트를 변하지 않게 시간순으로 기록하기 위해 권한이 있는 블록체인을 사용한다.
• 분산 노드 간 접근 거래를 검증하고 기록하기 위해 공명 기반 메커니즘을 구현한다.
• 접근 결정 이전에 신원을 행동 임bedding에 바인딩하는 사용자 인증 레이어를 설계한다.
• 모든 접근 시도를 블록체인에 기록하여 사후 분석 및 이질적 또는 악성 행동 탐지를 가능하게 한다.

실험 결과

연구 질문

• RQ1 딥러닝을 어떻게 효과적으로 블록체인과 통합하여 동적이고 안전한 접근 제어 시스템을 구축할 수 있는가?
• RQ2 행동 기반 접근 제어 모델이 정책 기반의 정적 시스템보다 악성 접근 시도 탐지에서 뛰어난 성능을 보일 수 있는가?
• RQ3 블록체인의 사용이 딥러닝 기반 접근 결정의 투명성과 감사 가능성에 어느 정도 기여하는가?
• RQ4 제안된 프레임워크는 극단적인 케이스를 어떻게 다루며 모든 가능한 접근 시나리오에서 정확성을 유지하는가?
• RQ5 행동 분석과 변하지 않는 로깅을 결합했을 때 전체 시스템의 내구성과 신뢰성에 어떤 영향을 미치는가?

주요 결과

• DLACB 프레임워크는 딥러닝 모델을 활용해 모든 테스트된 사용자 행동에 대해 적절한 접근 권한을 성공적으로 결정한다.
• 모든 접근 요청이 블록체인에 안전하게 기록되어 사용자 행동의 완전한 추적 가능성과 감사 가능성을 확보한다.
• 행동 이질성 탐지 기반으로 시스템이 악성 접근 시도를 효과적으로 식별하고 경고한다.
• 딥러닝과 블록체인의 통합을 통해 접근 제어 결정이 동시에 적응 가능하고 검증 가능하다.
• 프레임워크는 모든 가능한 접근 시나리오에서 정상적으로 작동하여 강건성과 신뢰성을 입증한다.
• 블록체인에 기록된 변하지 않는 로그의 사용은 시스템 무결성을 향상시키고 사후 분석 지원에 기여한다.