[논문 리뷰] From Physical to Cyber: Escalating Protection for Personalized Auto Insurance

Le Guan, Jun Xu외 6명|Rare & Special e-Zone (The Hong Kong University of Science and Technology)|2016. 09. 08.

Advanced Malware Detection Techniques참고 문헌 41인용 수 13

한 줄 요약

이 논문은 개인 맞춤형 자동차 보험 시스템에서 조작된 텔레매틱스 데이터를 탐지하기 위해 위조할 수 없는 물리적 세계의 가속도계 데이터를 사용하는 방어 메커니즘을 제안한다. 실시간 가속도와 OBD-2 속도 읽기 간의 통계적 혼합 회귀 모델을 통한 비교를 통해, 시스템은 0.032의 가짜 양성 비율과 0.013의 가짜 음성 비율을 기록하여 기기 취약성에 의존하지 않고도 사기성 보험 할인 시도를 효과적으로 식별한다.

ABSTRACT

Nowadays, auto insurance companies set personalized insurance rate based on data gathered directly from their customers' cars. In this paper, we show such a personalized insurance mechanism -- wildly adopted by many auto insurance companies -- is vulnerable to exploit. In particular, we demonstrate that an adversary can leverage off-the-shelf hardware to manipulate the data to the device that collects drivers' habits for insurance rate customization and obtain a fraudulent insurance discount. In response to this type of attack, we also propose a defense mechanism that escalates the protection for insurers' data collection. The main idea of this mechanism is to augment the insurer's data collection device with the ability to gather unforgeable data acquired from the physical world, and then leverage these data to identify manipulated data points. Our defense mechanism leveraged a statistical model built on unmanipulated data and is robust to manipulation methods that are not foreseen previously. We have implemented this defense mechanism as a proof-of-concept prototype and tested its effectiveness in the real world. Our evaluation shows that our defense mechanism exhibits a false positive rate of 0.032 and a false negative rate of 0.013.

연구 동기 및 목표

• 비검증된 텔레매틱스 데이터를 악용해 보험 할인을 사기적으로 획득하는 개인 맞춤형 자동차 보험 시스템의 취약점을 규명하는 것.
• OBD-2 데이터에 의존하는 보험 텔레매틱스 장치에서 데이터 진위성 검증의 부재를 해결하는 것.
• 위조할 수 없는 물리적 세계 센서 데이터를 활용해 데이터 조작을 탐지하는 방어 메커니즘을 개발하는 것.
• 공격 방법이 사전에 알려지지 않은 경우에도 조작된 속도 읽기를 식별할 수 있는 강력한 통계 모델을 구축하는 것.
• 실제 환경 조건에서의 방어 메커니즘의 효과성을 증명하기 위해 개념 실증 프로토타입을 통해 검증하는 것.

제안 방법

• 물리적 세계의 가속도를 위조할 수 없는 방식으로 캡처하기 위해 보험 텔레매틱스 장치에 내장된 3차원 가속도계를 통합한다.
• 차량의 사이버 시스템(OBD-2 포트)에서 동시적으로 OBD-2 속도 데이터를 수집하고, 가속도계에서 물리적 가속도 데이터를 확보한다.
• OBD-2 속도와 물리적 가속도 간의 통계적 혼합 회귀 모델을 사용해 두 데이터 스트림을 상관 및 비교한다.
• 정상 주행 행동 패턴을 학습하고 이상 현상을 탐지하기 위해 조작되지 않은 데이터로 통계 모델을 훈련시킨다.
• OBD-2 속도와 통합된 가속도 기반 속도 간의 일치하지 않는 부분을 감지하여 잠재적인 데이터 조작을 경고한다.
• 실제 성능을 검증하기 위해 상용 하드웨어를 사용해 실증용 프로토타입으로 시스템을 구현한다.

실험 결과

연구 질문

• RQ1 상용 하드웨어를 사용해 OBD-2 속도 데이터를 조작할 수 있으며, 이로 인해 개인 맞춤형 보험 알고리즘이 탐지하지 못할 수 있는가?
• RQ2 위조할 수 없는 물리적 세계 센서 데이터는 보험 시스템에서 사이버 기반 텔레매틱스 데이터의 진위성을 어떻게 검증할 수 있는가?
• RQ3 GPS 기반 방법으로는 탐지할 수 없는 미세한 차량 속도 조작을 물리적 가속도 기반 통계 모델이 어느 정도 탐지할 수 있는가?
• RQ4 기존에 알려지지 않은 조작 기법에 직면했을 때도 방어 메커니즘이 높은 정확도를 유지할 수 있는가?
• RQ5 기존의 GPS 기반 또는 스마트폰 기반 탐지 시스템과 비교했을 때, 제안된 방법은 성능과 신뢰성 측면에서 어떻게 다른가?

주요 결과

• 제안된 방어 메커니즘은 0.032의 가짜 양성 비율을 기록하여 정상 데이터를 사기로 잘못 분류하는 경우가 거의 없음을 나타낸다.
• 시스템은 0.013의 가짜 음성 비율을 보이며, 실제로 발생한 데이터 조작 시도의 98.7%를 성공적으로 탐지했다.
• 고주기 가속도계 데이터(16.7 Hz)의 사용으로 GPS 기반 시스템(1 Hz)이 포착하지 못하는 세밀한 속도 조작도 탐지할 수 있었다.
• 혼합 회귀 모델 기반의 통계 모델은 예상치 못한 조작 방법에 대해서도 강건하여 장기적인 보안성을 향상시켰다.
• 프로토타입은 실제 주행 환경에서의 데이터 조작을 성공적으로 탐지하여 이론적 타당성을 검증했다.
• 더 높은 시간 해상도와 신호 손실에 대한 저항성 덕분에, GPS 기반 및 스마트폰 기반 대안보다 신뢰성과 정확도 측면에서 뛰어난 성능을 보였다.