[논문 리뷰] Towards Improving Validation, Verification, Crash Investigations, and Event Reconstruction of Flight-Critical Systems with Self-Forensics

Serguei A. Mokhov|ArXiv.org|2009. 06. 10.

Digital and Cyber Forensics참고 문헌 23인용 수 3

한 줄 요약

이 논문은 항공 임무 핵심 시스템을 위한 형식화된 자기 진단 능력인 세프-포렌식스(self-forensics)를 제안한다. 이는 설계, 테스트 및 비행 중 운영 동안 자동 검증, 이질성 탐지 및 사고 후 재구성 기능을 가능하게 하기 위해 포렌식 루시드(Forensic Lucid) 언어를 사용해 맥락적이고 분석 가능한 이벤트 데이터를 로깅한다. 이 접근법은 자기 진단, 지속적 로깅, 전문가 시스템 추론을 통합하여 외부 포렌식 도구에 의존하지 않고도 시스템의 안전성 향상과 사고 분석을 향상시킨다.

ABSTRACT

This paper introduces a novel concept of self-forensics to complement the standard autonomic self-CHOP properties of the self-managed systems, to be specified in the Forensic Lucid language. We argue that self-forensics, with the forensics taken out of the cybercrime domain, is applicable to "self-dissection" for the purpose of verification of autonomous software and hardware systems of flight-critical systems for automated incident and anomaly analysis and event reconstruction by the engineering teams in a variety of incident scenarios during design and testing as well as actual flight data.

연구 동기 및 목표

• 설계 및 운영 중 자율적이고 항공 임무 핵심 시스템에서 형식화된 자기 분석 및 로깅의 부족을 해결하기 위해.
• 시스템 아키텍처에 직접 포렌식 데이터 수집 기능을 통합하여 사고 조사 및 이질성 탐지 능력을 향상시키기 위해.
• 자기 치유, 자기 최적화, 자기 보호와 함께 세프-포렌식스를 자율 컴퓨팅의 핵심 성질로 확장하기 위해.
• 다양한 기관 및 플랫폼 간 협업을 위해 포렌식 루시드 언어를 사용해 포렌식 데이터 표현 및 분석을 표준화하기 위해.
• 형식적 명세 및 전문가 시스템을 활용해 시스템 이벤트에 대한 자동화된 맥락 인식 추론을 가능하게 하기 위해.

제안 방법

• 지속적으로 서브시스템과 기기들을 모니터링하는 자기 포렌식 센서를 통합하여 포렌식 루시드 형식으로 관측 결과를 로깅한다.
• 포렌식 루시드—루시드에서 유도된 맥락 인식 기능형 프로그래밍 언어—를 사용해 이벤트, 지속 시간 및 시스템 상태를 형식적 관측 시퀀스로 명시한다.
• 시스템 장애 발생 시에도 지속 가능한 내구성 있는 메모리(예: ROM 또는 플래시)에 포렌식 데이터를 저장하여 데이터의 지속성을 확보한다.
• 설계 단계에서 시스템 전이 기능을 모델링하고 이를 향후 검증 및 추론을 위해 포렌식 루시드에 인코딩한다.
• 일반적 의도 프로그래밍 시스템(GIPSY)을 활용해 수집된 포렌식 증거에 대해 경쟁 이론을 평가한다.
• 증거 일치의 누적 무게 또는 일치 길이를 기반으로 이론을 우선순위 정렬하여 가장 타당한 사고 재구성 이론을 식별한다.

실험 결과

연구 질문

• RQ1 어떻게 세프-포렌식스를 항공 임무 핵심 시스템의 설계에 형식적으로 통합하여 자동 검증 및 이질성 탐지 기능을 지원할 수 있는가?
• RQ2 포렌식 루시드는 사고 조사 중 사건 재구성의 정확성과 효율성을 어떻게 향상시킬 수 있는가?
• RQ3 성능나 안전성에 영향을 주지 않으면서 자율 시스템에 자기 포렌식 기능을 통합하기 위한 아키텍처적 및 구현 요구사항은 무엇인가?
• RQ4 세프-포렌식스는 항공우주 기관 및 제조사 간 협업과 데이터 공유를 어떻게 향상시킬 수 있는가?
• RQ5 자동화된 추론 시스템은 자기 로깅된 포렌식 데이터를 사용해 사고 가설을 검증하거나 기각할 수 있는 정도는 어느 정도인가?

주요 결과

• 세프-포렌식스는 포렌식 루시드를 사용해 형식적이고 분석 가능한 형식으로 시스템 이벤트를 지속적으로 자동 로깅함으로써 사후 포렌식 재구성에 대한 의존도를 감소시킨다.
• 세프-포렌식스를 시스템 설계에 통합함으로써 시험 및 시뮬레이션 단계에서 이질성의 조기 탐지가 가능해져 검증 및 검증 프로세스가 향상된다.
• 포렌식 루시드는 맥락 인식 기능적 명세를 지원하여 복잡한 시스템 행동을 정밀하고 확장 가능한 방식으로 모델링할 수 있다.
• GIPSY와 같은 전문가 시스템의 사용은 대량의 포렌식 데이터 분석에 소요되는 수작업을 크게 줄여준다.
• 여러 가지 타당한 이론을 증거 커버리지와 신뢰도 무게 기반으로 평가 및 순위 매길 수 있어 사고 재구성에 대한 신뢰도가 향상된다.
• 이 접근법은 민간 항공 분야를 넘어 우주선, 자동차 시스템 및 해양 차량 등으로 확장 가능하여 복잡한 시스템의 안전성과 자율성 향상에 기여한다.