[論文レビュー] A Stochastic Model of Active Cyber Defense Dynamics

Shouhuai Xu, Wenlian Lu+1 more|arXiv (Cornell University)|Mar 28, 2016

Opinion Dynamics and Social Influence参考文献 46被引用数 7

ひとこと要約

本稿では、マーカフ過程を用いた最初のアクティブサイバー防衛ダイナミクスの数学的モデルを提案し、平均場近似を用いて取り扱いやすい動的システムに簡略化する。主な貢献は、4つの防衛ダイナミクスの解析的特徴付けであり、サイバー優位性が自動的なネットワーク全体のクリーンアップを可能にし、ネットワーク構造（特にパワー則グラフ）が有効性に顕著に影響することを明らかにした。特にパワー則の次数分布においてγ = 2のとき、最適な利益が得られる。

ABSTRACT

The concept of active cyber defense has been proposed for years. However, there are no mathematical models for characterizing the effectiveness of active cyber defense. In this paper, we fill the void by proposing a novel Markov process model that is native to the interaction between cyber attack and active cyber defense. Unfortunately, the native Markov process model cannot be tackled by the techniques we are aware of. We therefore simplify, via mean-field approximation, the Markov process model as a Dynamic System model that is amenable to analysis. This allows us to derive a set of valuable analytical results that characterize the effectiveness of four types of active cyber defense dynamics. Simulations show that the analytical results are inherent to the native Markov process model, and therefore justify the validity of the Dynamic System model. We also discuss the side-effect of the mean-field approximation and its implications.

研究の動機と目的

• アクティブサイバー防衛の有効性を評価するための数学的モデルの不足に対処すること。
• サイバー攻撃とアクティブ防衛の動的相互作用をマーカフ過程としてモデル化すること。
• 元の非可解なマーカフモデルを平均場近似を用いて解析可能な動的システムに簡略化すること。
• アクティブ防衛が有効となる解析的条件を導出すること、特にネットワーク構造と戦闘力との関係を明らかにすること。
• シミュレーションと比較して動的システムモデルの妥当性を検証し、近似の精度を評価すること。

提案手法

• ノードの次数としきい値に基づく状態遷移を伴う、ネットワーク上での連続時間マーカフ過程として攻撃・防衛の相互作用を定式化する。
• 確率的隣接ノード相互作用を、決定的期待値に置き換える平均場近似を適用し、モデルを1次元微分方程式に簡略化する。
• ν(t)を青色（防衛済み）ノードの割合とするdν(t)/dt = θσ(ν(t), ⟨deg(v)⟩) − ν(t)で記述される動的システムモデルを導出する。
• 二項確率を用いて、ノードの青色隣接ノード数がしきい値σ·⟨deg(v)⟩を超える確率を近似する。
• 平衡点と吸引域を解析し、ネットワーク全体の防衛に成功するための臨界初期条件を同定する。
• エラスキー＝レイニーやパワー則グラフを用いたシミュレーションを通じて、動的システムモデルの妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 アクティブサイバー防衛が、損傷を受けたネットワークを効果的にクリーンアップする条件は何か？
• RQ2 ネットワークトポロジー、特にエラスキー＝レイニーグラフとパワー則グラフの違いが、アクティブ防衛の有効性に与える影響は何か？
• RQ3 初期の防衛者／攻撃者の戦闘力および高次数ノードへの戦略的配置が、大きな影響を及ぼすか？
• RQ4 動的システムモデルにおけるしきい値σは、真のマーカフ過程のしきい値σmarkovとどのように異なるのか？そして、漂移が生じる理由は何か？
• RQ5 平均場近似が、元のマーカフモデルのダイナミクスをどの程度正確に保持しているか？

主な発見

• 攻撃者と防衛者が同等の戦闘力を有するタイプIおよびIIのダイナミクスでは、アクティブ防衛の有効性はネットワーク構造、初期状態、戦闘力、戦略に依存し、パワー則グラフでは戦略的優位性が得られる。
• 次数指数γ = 2のパワー則ネットワークでは、高次数ノードを占拠することで防衛者の利益が最大になる。
• 防衛者が優位な戦闘力を有するタイプIIIのダイナミクスでは、ネットワーク構造や攻撃戦略にかかわらず、アクティブ防衛が自動的にネットワーク全体を回復可能である。
• 動的システムモデルにおけるしきい値σは、特に低次数ネットワークにおいて、隣接ノード数の二項近似の影響により、真のマーカフ過程のしきい値σmarkovから漂移する。
• 平均ノード次数が増加するにつれて、σの漂移効果は小さくなり、高平均次数においては、ERおよびパワー則グラフの両方でσmarkovがσに収束する。
• 動的システムモデルは、元のマーカフ過程のダイナミクスを正確に捉えており、ネットワークの接続度が高くなるほど精度が向上する。