[논문 리뷰] Systemic Risk and Vulnerability Analysis of Multi-cloud Environments

Morgan Reece, Theodore Lander외 5명|arXiv (Cornell University)|2023. 06. 02.

Information and Cyber Security인용 수 8

한 줄 요약

이 논문은 STRIDE와 DREAD를 사용하여 아키텍처, API, 인증, 자동화, 관리 차이, 법제의 공격 벡터를 식별·순위화하고 다중 클라우드 환경의 전반적 위험 및 취약성 분석을 수행하고 완화책을 제시한다.

ABSTRACT

With the increasing use of multi-cloud environments, security professionals face challenges in configuration, management, and integration due to uneven security capabilities and features among providers. As a result, a fragmented approach toward security has been observed, leading to new attack vectors and potential vulnerabilities. Other research has focused on single-cloud platforms or specific applications of multi-cloud environments. Therefore, there is a need for a holistic security and vulnerability assessment and defense strategy that applies to multi-cloud platforms. We perform a risk and vulnerability analysis to identify attack vectors from software, hardware, and the network, as well as interoperability security issues in multi-cloud environments. Applying the STRIDE and DREAD threat modeling methods, we present an analysis of the ecosystem across six attack vectors: cloud architecture, APIs, authentication, automation, management differences, and cybersecurity legislation. We quantitatively determine and rank the threats in multi-cloud environments and suggest mitigation strategies.

연구 동기 및 목표

• 제공자 보안 역량의 불균형으로 인한 다중 클라우드 환경 전반에 대한 전체적 보안의 필요성을 동기 부여한다.
• 상호 운용성 위험을 연구하기 위해 대표적인 다중 클라우드 아키텍처와 공격 표면을 정의한다.
• STRIDE를 적용하여 공격 벡터를 분류하고 DREAD를 적용하여 위험을 정량화하고 순위를 매긴다.
• 다중 클라우드 보안 태세를 개선하기 위한 각 공격 벡터별 완화책을 식별한다.

제안 방법

• 제공자 간에 분산된 3계층 다중 클라우드 웹 애플리케이션 아키텍처를 모델링한다.
• 아키텍처, API, 인증, 자동화, 관리 차이, 법제에 걸친 공격 벡터를 식별하고 분류하기 위해 STRIDE를 사용한다.
• 각 위협 범주에 대해 정량적 위험 점수를 할당하고 완화책의 우선순위를 정하기 위해 DREAD를 적용한다.
• 식별된 위험에 대해 다중 요인 인증 및 특권 계정 관리와 같은 실용적 완화책을 제안한다.

Figure 1. Three-Tier Web Application Architecture. A multi-cloud architecture to support distributed functional services across cloud providers with Web Server as a public-facing, Application Server executing business logic, and Database Server managing data.

실험 결과

연구 질문

• RQ1 다중 클라우드 환경에서 아키텍처, API, 인증, 자동화, 관리, 법제를 고려할 때 어떤 공격 벡터가 나타나는가?
• RQ2 STRIDE를 어떻게 사용해 이러한 벡터를 분류하고 다중 클라우드 환경에서 그 위험을 DREAD로 정량적으로 rank할 수 있는가?
• RQ3 식별된 다중 클라우드 공격 벡터 전반에 걸쳐 위험을 줄이기 위해 가장 효과적인 완화책은 무엇인가?

주요 결과

• 다중 클라우드 설정에서 여섯 가지 공격 벡터에 걸쳐 위협이 식별되고 분류된다.
• 위협의 우선순위를 매기고 완화 노력을 안내하기 위해 위험 점수를 정량적으로 산출한다(DREAD를 통해).
• 각 공격 벡터에 대해 다중 요인 인증 및 특권 계정 관리와 같은 전략이 포함된 완화책이 제시된다.
• 연구는 다중 클라우드 환경에서 보안 문제의 근본 원인으로 상호 운용성 도전과제를 강조한다.

Figure 2. Multi-Cloud Attack Vectors Blueprint. It demonstrates potential attack surfaces and shows the more specific inner workings of each part of the multi-cloud. The bang represents where a single attack vector or a set of attack vectors could occur. The numbers near the bang symbols represent t