[논문 리뷰] NoiSense: Detecting Data Integrity Attacks on Sensor Measurements using Hardware based Fingerprints

Chuadhry Mujeeb Ahmed, Aditya P. Mathur외 1명|arXiv (Cornell University)|2017. 12. 05.

Physical Unclonable Functions (PUFs) and Hardware Security참고 문헌 43인용 수 10

한 줄 요약

NoiSense는 사이버-물리 시스템(CPS) 내 산업용 센서를 고유하게 식별하기 위해 제조 공정의 결함으로 인한 내재된 노이즈 패턴을 활용하는 하드웨어 기반 센서 지문 기반 기법을 제안한다. 시간 영역 및 주파수 영역의 노이즈 특징을 기반으로 기계 학습을 적용하여 센서 식별 정확도가 최대 97%에 이를 뿐 아니라, 물리적 센서 교체 및 아날로그 스푸핑 공격을 100%의 참(True Positive) 비율과 0%의 거짓(False Positive) 비율로 탐지한다.

ABSTRACT

In recent years fingerprinting of various physical and logical devices has been proposed with the goal of uniquely identifying users or devices of mainstream IT systems such as PCs, Laptops and smart phones. On the other hand, the application of such techniques in Cyber-Physical Systems (CPS) is less explored due to various reasons, such as difficulty of direct access to critical systems and the cost involved in faithfully reproducing realistic scenarios. In this work we evaluate the feasibility of using fingerprinting techniques in the context of realistic Industrial Control Systems related to water treatment and distribution. Based on experiments conducted with 44 sensors of six different types, it is shown that noise patterns due to microscopic imperfections in hardware manufacturing can be used to uniquely identify sensors in a CPS with up to 97% accuracy. The proposed technique can be used in to detect physical attacks, such as the replacement of legitimate sensors by faulty or manipulated sensors. We also show that, unexpectedly, sensor fingerprinting can effectively detect advanced physical attacks such as analog sensor spoofing due to variations in received energy at the transducer of an active sensor. Also, it can be leveraged to construct a novel challenge-response protocol that exposes cyber-attacks.

연구 동기 및 목표

• 실제 CPS 환경에서 산업용 센서가 제조 공정의 결함로 인해 고유하고 재현 가능한 하드웨어 지문을 갖는지 조사한다.
• 기존 센서 하드웨어나 통신 프로토콜을 수정하지 않고도 비침습적이고 저비용인 방법으로 센서의 내재된 노이즈 특성을 활용해 센서를 신원 확인하는 방법을 개발한다.
• 센서 지문을 활용해 산업 제어 시스템에서 센서 교체나 아날로그 스푸핑 공격과 같은 물리적 공격을 탐지할 수 있는지 타당성을 평가한다.
• 센서 지문 기반의 도전-응답 프로토콜을 설계하여 CPS에서 고도화된 사이버 공격을 탐지한다.
• 다양한 센서 유형과 실제 운영 환경에서 이 기법의 강건성과 확장 가능성을 입증한다.

제안 방법

• 안정된 환경 조건에서 수집한 원시 센서 노이즈 신호로부터 시간 영역 및 주파수 영역의 특징을 추출한다.
• 다중 클래스 서포트 벡터 머신(SVM)을 사용하여 각 센서의 고유한 노이즈 특징 프로파일을 기반으로 개별 센서를 분류하고 식별한다.
• 초음파 수위 센서 및 수질 정화 시설의 다른 산업용 센서를 포함한 6종류의 센서 총 44개의 데이터셋을 기반으로 모델을 훈련한다.
• 미세한 제조 공정의 변동으로 인한 노이즈 패턴의 유일성을 활용하여 복제가 어려운 기기별 지문을 생성한다.
• 컨트롤러가 기대되는 지문 행동에 기반한 도전을 보내고, 센서가 자신의 노이즈 프로파일을 응답으로 제출하여 신원을 검증하는 도전-응답 프로토콜을 구현한다.
• 센서 교체 및 아날로그 스푸핑 공격을 포함한 다양한 공격 시나리오에서 탐지 정확도 및 거짓 양성/음성 비율을 측정하여 방법을 검증한다.

실험 결과

연구 질문

• RQ1 산업용 센서의 제조로 인한 노이즈 변동은 센서 식별을 위한 고유하고 안정적이며 탐지 가능한 지문으로 기능할 수 있는가?
• RQ2 실제 CPS 환경에서 센서 지문 기반 기법이 센서 교체나 아날로그 스푸핑 공격과 같은 물리적 공격을 어느 정도 탐지할 수 있는가?
• RQ3 노이즈 특성만을 사용하는 기계 학습 기반 접근법이 정상 센서와 손상된 센서를 고도로 정확하게 구분할 수 있는가?
• RQ4 제안된 도전-응답 프로토콜은 센서 신뢰 모델을 악용하는 고도화된 사이버 공격을 탐지하는 데 얼마나 효과적인가?
• RQ5 다양한 센서 유형과 산업 제어 시스템의 운영 조건에서 이 지문 기반 기법이 여전히 강건한가?

주요 결과

• 제안된 NoiSense 방법은 6종류의 산업용 센서 총 44개로 구성된 데이터셋에서 최대 99%의 센서 식별 정확도를 달성했다.
• 44개 센서 중 31개는 96% 초과의 정확도로 식별되었고, 13개는 90% 이상의 정확도로 식별되었다.
• 이 방법은 아날로그 센서 스푸핑 공격을 100%의 참(True Positive) 비율과 0%의 거짓(False Positive) 비율로 탐지했다.
• 센서 지문 기반의 도전-응답 프로토콜은 센서 응답의 진위를 검증하여 고도화된 사이버 공격을 성공적으로暴露했다.
• 센서 지문의 고유성은 제조 공정의 결함으로 인한 것으로, 동일한 모델 및 유형의 센서 사이에서도 본질적으로 복제가 불가능하다.
• 이 방법은 비침습적이며, 호스트 시스템의 성능에 영향을 주지 않으며, 기존 센서 하드웨어나 통신 프로토콜의 수정이 필요하지 않다.