[논문 리뷰] Security Games with Information Leakage: Modeling and Computation

Haifeng Xu, Albert Xin Jiang외 4명|arXiv (Cornell University)|2015. 04. 23.

Infrastructure Resilience and Vulnerability Analysis참고 문헌 18인용 수 9

한 줄 요약

이 논문은 공격자가 일부 표적에서 방어자의 순전략을 관찰할 수 있는 부분 정보 유출을 고려하는 스타켈베르 보안 게임의 새로운 모델을 제안한다. 선형계획법(Linear Programming, LP) 수식을 제안하고, 정보 유출 하에 방어자의 최적 전략을 구하는 것이 NP-난해임을 입증하며, 이에 따라 세 가지 알고리즘 접근 방식—특수 케이스에 대한 효율적인 정확한 해법, 근사 알고리즘, 히우리스틱 샘플링 방법—을 제시한다. 실험 결과, 정보 유출을 적절히 처리할 경우 전통적 방법에 비해 유의미한 유틸리티 향상을 보였다.

ABSTRACT

Most models of Stackelberg security games assume that the attacker only knows the defender's mixed strategy, but is not able to observe (even partially) the instantiated pure strategy. Such partial observation of the deployed pure strategy -- an issue we refer to as information leakage -- is a significant concern in practical applications. While previous research on patrolling games has considered the attacker's real-time surveillance, our settings, therefore models and techniques, are fundamentally different. More specifically, after describing the information leakage model, we start with an LP formulation to compute the defender's optimal strategy in the presence of leakage. Perhaps surprisingly, we show that a key subproblem to solve this LP (more precisely, the defender oracle) is NP-hard even for the simplest of security game models. We then approach the problem from three possible directions: efficient algorithms for restricted cases, approximation algorithms, and heuristic algorithms for sampling that improves upon the status quo. Our experiments confirm the necessity of handling information leakage and the advantage of our algorithms.

연구 동기 및 목표

• 공격자가 일부 표적에서 방어자의 순전략을 관찰할 수 있는 부분 정보 유출이 있는 스타켈베르 보안 게임에서의 영향을 모델링하고 분석하는 것.
• 이러한 유출 상황에서 최적의 방어자 전략을 계산하는 것이 심지어 가장 단순한 보안 게임 모델에서도 NP-난해임을 입증하는 것.
• 실세계 보안 응용에 적합한 실용적 알고리즘—특수 케이스에 대한 정확한 알고리즘, 근사 기반 알고리즘, 히우리스틱 샘플링 방법—을 개발하는 것.
• 유출을 忽시할 경우 심각한 유틸리티 손실이 발생하며, 제안된 알고리즘이 방어자 성능을 크게 향상시킨다는 것을 경험적으로 검증하는 것.

제안 방법

• 정보 유출 하에서 방어자의 최적 전략을 선형계획법(LP)으로 수식화하며, 공격자가 순전략을 부분적으로 관찰할 수 있도록 제약 조건을 설정한다.
• 컬럼 생성에서 핵심적인 하위문제인 방어자 오라클(Defender Oracle)이 NP-난해임을 규명함으로써, 정보 유출을 처리하는 데 내재된 계산의 복잡성을 입증한다.
• 세 가지 알고리즘 방향을 제안한다: (1) 제한된 경우에 대한 효율적인 정확한 알고리즘, (2) 근사 알고리즘, (3) 독립적 무작위 추출(비복원) 및 최대 엔트로피 샘플링과 같은 히우리스틱 샘플링 방법.
• 두 가지 히우리스틱 샘플링 알고리즘—indepSample(비복원 독립 샘플링) 및 MaxEntro(최대 엔트로피 샘플링)—을 도입하며, UniCS(균일 조합 샘플링)를 기준선으로 삼는다.
• 컬럼 생성 기법을 사용하여 LP를 해결하며, 방어자 오라클과 분리 오라클(Seperation Oracle)을 활용해 반복적으로 가장 효과적인 방어 전략을 식별한다.
• 실제 라스베가스(LAX) 공항 데이터와 20개 표적, 10개 자원을 가진 시뮬레이션 게임을 대상으로 알고리즘을 검증하며, 다양한 유출 모델 간의 방어자 유틸리티를 비교한다.

실험 결과

연구 질문

• RQ1 공격자가 일부 표적에서 방어자의 순전략을 관찰할 수 있는 부분 정보 유출이 스타켈베르 보안 게임에서 방어자의 유틸리티에 어떤 영향을 미치는가?
• RQ2 정보 유출 하에서 최적의 방어자 전략을 계산하는 것은 계산적으로 가능할까, 아니면 기본적인 보안 게임 모델에서도 NP-난해한가?
• RQ3 정확한 계산이 불가능한 경우, 정보 유출을 다룰 수 있는 효율적인 근사 또는 히우리스틱 알고리즘을 설계할 수 있는가?
• RQ4 확률적, 적대적, 또는 소규모 지원을 가진 유출 모델이 방어자 유틸리티와 알고리즘 성능에 어떤 영향을 미치는가?
• RQ5 최대 엔트로피나 균일 조합 샘플링과 같은 히우리스틱 샘플링 방법이 계산 효율성을 유지하면서도 거의 최적의 성능을 달성할 수 있는가?

주요 결과

• 단 한 개의 표적에서의 정보 유출조차도 방어자의 유틸리티에 심각한 손실을 초래하며, 적대적 유출은 확률적 유출보다 더 큰 손실을 초래한다.
• 컬럼 생성에 필요한 방어자 오라클 문제가 NP-난해임을 입증함으로써, 정보 유출을 처리하는 것이 기존의 보안 게임 모델보다 본질적으로 더 복잡함을 증명한다.
• 최적 알고리즘(OPT)은 전통적 방법보다 뚜렷이 뛰어나며, 특히 높은 유출 확률 상황에서 두드러진다. 전통적 방법의 유틸리티 손실은 OPT의 약 두 배에 달한다.
• 유출이 전체 표적에 영향을 미칠 경우, 히우리스틱 방법인 MaxEntro와 UniCS는 OPT에 거의 근접한 성능을 보이며, 전통적 샘플링보다 뛰어나다.
• 비복원 독립 샘플링(indepsample)은 약 1/e ≈ 0.37 수준의 유출 확률에서 전통적 샘플링을 능가하며, 이는 히우리스틱 적용에 실용적인 임계값을 제시한다.
• 소규모 유출 지원의 경우 효율적인 정확한 해법이 가능한 최적 알고리즘(OPT)이 바람직하며, 전체 또는 대규모 지원의 경우 MaxEntro와 UniCS는 효율적이고 거의 최적의 선택이다.