[논문 리뷰] Moving Target Defense for Web Applications using Bayesian Stackelberg Games

Sailik Sengupta, Satya Gautam Vadlamudi외 5명|arXiv (Cornell University)|2016. 02. 23.

Web Application Security Vulnerabilities참고 문헌 53인용 수 20

한 줄 요약

이 논문은 웹 애플리케이션의 Moving Target Defense (MTD)에서 비용 인지 전환 전략을 생성하기 위해 베이지안 스택엘베르크 게임 프레임워크를 제안한다. 실제 CVE 데이터와 CVSS 점수를 사용하여 공격자 유형과 방어자 보상 값을 모델링하며, 공격자 불확실성 하에서 최신 기술 대비 뛰어난 강건성을 보이며, 보상 손실의 정규화된 측도(NLR) 평균이 0.061(URS 대비 0.88)을 기록한다.

ABSTRACT

The present complexity in designing web applications makes software security a difficult goal to achieve. An attacker can explore a deployed service on the web and attack at his/her own leisure. Moving Target Defense (MTD) in web applications is an effective mechanism to nullify this advantage of their reconnaissance but the framework demands a good switching strategy when switching between multiple configurations for its web-stack. To address this issue, we propose modeling of a real-world MTD web application as a repeated Bayesian game. We then formulate an optimization problem that generates an effective switching strategy while considering the cost of switching between different web-stack configurations. To incorporate this model into a developed MTD system, we develop an automated system for generating attack sets of Common Vulnerabilities and Exposures (CVEs) for input attacker types with predefined capabilities. Our framework obtains realistic reward values for the players (defenders and attackers) in this game by using security domain expertise on CVEs obtained from the National Vulnerability Database (NVD). We also address the issue of prioritizing vulnerabilities that when fixed, improves the security of the MTD system. Lastly, we demonstrate the robustness of our proposed model by evaluating its performance when there is uncertainty about input attacker information.

연구 동기 및 목표

• 시스템 구성 요소의 동적 재구성 조건 하에서 웹 애플리케이션의 Moving Target Defense(MTD)에 대해 효과적이고 비용 인지 전환 전략을 설계하기 위해.
• 공통 취약점 및 노출(CVE)과 보안 도메인 전문 지식 및 CVSS 점수를 기반으로 실제 공격자 행동을 모델링하고 현실적인 보상 값을 할당하기 위해.
• 기존 솔버가 忽略하는 구성 간 전환 비용을 고려한 프레임워크를 개발하기 위해.
• 공격자 유형 확률에 대한 불확실성 하에서 MTD 전략의 강건성을 평가하기 위해 보상 손실의 정규화된 측도(NLR)를 사용하기 위해.
• MTD 시스템 보안에 가장 큰 영향을 미치는 핵심 취약점을 식별하고 우선순위를 정하기 위해.

제안 방법

• 방어자(리더)가 혼합 전략을 이행하고 공격자(팔로워)가 합리적으로 반응하는 반복적인 베이지안 스택엘베르크 게임(BSG)으로 MTD 웹 애플리케이션을 모델링한다.
• 국립 취약점 데이터베이스(NVD)에서 CVE를 추출하고 분류하여 사전 정의된 공격자 유형(예: 스크립트 킬러, 데이터베이스 해커 등)에 대한 공격 집합을 자동으로 생성한다.
• CVSS 점수와 보안 전문가의 통찰을 활용하여 방어자 및 공격자 결과의 현실적인 유틸리티 값을 할당하여 실용적 관련성을 확보한다.
• 구성 간 높은 전환 비용을 허용하지 않는 최적화 문제를 설정하여, 비용 인지 전략 생성이 가능한 방어자 유틸리티를 최대화한다.
• 공격자 유형 확률이 잘못 추정되었을 경우 전략의 강건성을 정량적으로 측정하기 위해 보상 손실의 정규화된 측도(NLR)를 사용한다.
• MTD 시스템의 강건성 향상에 가장 기여하는 수정 사항을 식별하기 위한 취약점 우선순위 정하기 방법을 제안한다.

실험 결과

연구 질문

• RQ1 웹 애플리케이션의 MTD에 대해 보안을 극대화하면서 운영 오버헤드를 최소화할 수 있는 비용 인지 전환 전략은 어떻게 생성할 수 있는가?
• RQ2 CVE 데이터와 CVSS 점수를 활용하여 실제 공격자 행동을 어떻게 모델링할 수 있으며, 이를 통해 현실적인 공격 능력과 결과를 반영할 수 있는가?
• RQ3 MTD 전략은 공격자 유형 확률에 대한 불확실성에 얼마나 강건한가? 그리고 이러한 강건성은 어떻게 정량적으로 측정할 수 있는가?
• RQ4 어느 취약점의 수정이 제안된 게임 이론적 프레임워크 하에서 MTD 시스템 보안을 가장 크게 향상시키는가?
• RQ5 제안된 BSG 기반 전략은 기존 최신 기술 대비 보안성과 불확실성 하에서의 강건성 측면에서 뛰어나다고 할 수 있는가?

주요 결과

• 제안된 베이지안 스택엘베르크 게임(BSG) 전략은 공격자 유형 확률에 대한 불확실성 하에서 평균 보상 손실의 정규화된 측도(NLR)가 0.061을 기록하였으며, 최신 기술인 URS 방법 대비 0.88에 못 미친다.
• BSG 전략은 URS 대비 유의미하게 더 강건하며, 공격자 확률이 변동할 경우 NLR 최대값이 2.35로 URS의 9.0보다 훨씬 낮다.
• 메인스트림 및 데이터베이스 해커는 가장 민감도가 낮은 공격자 유형으로, 확률 변화에 비추어 공격 행동이 그대로 유지되어 NLR = 0을 기록한다.
• 스크립트 킬러는 가장 민감도가 높은 공격자 유형으로, 그 확률을 과소평가할 경우 최적 전략에서의 심각한 이탈이 발생함을 시사하며, 정확한 모델링의 필요성을 강조한다.
• 이 프레임워크는 이전의 물리적 보안 솔버에서 유도된 솔루션들이 忽略한 실제 세계의 전환 비용을 전략 생성에 성공적으로 통합하였다.
• 제안된 취약점 우선순위 정하기 방법은 MTD 강건성 향상에 가장 기여하는 핵심 수정 사항을 체계적으로 식별하는 공식적 접근법을 제공하며, 이는 이전에 체계화되지 않은 문제를 해결한다.