[论文解读] A Triangular Fuzzy based Multicriteria Decision Making Approach for Assessing Security Risks in 5G Networks

Hisham A. Kholidy|arXiv (Cornell University)|Dec 24, 2021

Information and Cyber Security被引用 11

一句话总结

本文提出了一种三角模糊多准则决策方法，通过将三角模糊数（TFNs）与决策框架相结合，以增强5G网络安全性风险评估，识别高概率的攻击传播路径。该方法通过建模风险因素中的不确定性，提高了漏洞评估的准确性，实验基于使用OSM、OpenStack和FlexRan实现动态安全编排与实验的真实环境测试平台进行验证。

ABSTRACT

The emerging 5G network is a new global wireless standard after 1G, 2G, 3G, and 4G networks. In comparison to 4G, it has lower latency, larger capacity, and more bandwidth. These network upgrades will have a profound impact on how people throughout the world live and work. The current research investigates mechanisms to protect the 5G networks to meet resilience requirements and to minimize the damage from attacks that do occur. The main contribution of this paper includes: (1) Improving the current 5G security testbed by orchestrating the security services using the OSM and Open stack, Integrating the FlexRan with the testbed components to control and manage the eNodeB, and implementing some real-time security experiments to test and validate the testbed. (2) Develop an intelligent fuzzy method to improve the accuracy of the current Vulnerability Assessment Approach (VAA) using a new approach that integrates the Triangular Fuzzy Numbers (TFNs) and a multi-criteria decision-making technique to find the attack graph paths where the attack most probably will propagate in the 5G network.

研究动机与目标

• 为应对5G网络安全性日益增长的复杂性与不确定性，改进现有漏洞评估方法。
• 开发一种能够考虑5G环境中不精确和主观风险因素的决策框架。
• 通过OSM和OpenStack等编排工具，将实时安全实验集成到测试平台中。
• 通过识别5G网络中最可能的攻击传播路径，增强攻击面分析。
• 通过结合FlexRan实现eNodeB控制与管理的实用动态测试平台，对所提方法进行验证。

提出的方法

• 使用三角模糊数（TFNs）表示不确定或主观的风险准则，如可利用性、影响程度和发生可能性。
• 将TFNs整合到多准则决策（MCDM）框架中，以对潜在攻击路径进行排序与优先级划分。
• 利用OSM和OpenStack构建的测试平台架构，实现安全服务的动态编排与管理。
• 将FlexRan与测试平台集成，以实现对eNodeB组件的实时控制与监控，支持5G网络行为的实时仿真。
• 基于模糊逻辑推导出的风险评分，构建攻击图，以在不确定条件下模拟攻击传播。
• 通过实时实验验证该方法，模拟攻击并测量检测与响应的有效性。

实验结果

研究问题

• RQ1 如何有效建模5G网络风险因素中的不确定性，以提高漏洞评估的准确性？
• RQ2 当风险数据不精确或主观时，应如何最有效地对5G网络中的攻击路径进行优先级排序？
• RQ3 将模糊逻辑与多准则决策相结合，如何提升对高概率攻击传播路径的识别能力？
• RQ4 具有编排工具的实时测试平台在多大程度上能提升安全风险评估模型的验证效果？
• RQ5 OSM、OpenStack和FlexRan的组合能否实现5G网络的动态且可扩展的安全实验？

主要发现

• 所提出的模糊MCDM方法通过有效处理风险参数的不确定性，显著提高了识别5G网络中关键攻击路径的精度。
• OSM与OpenStack的集成实现了安全服务的动态编排，显著提升了测试平台的灵活性与可扩展性。
• 引入FlexRan实现了对eNodeB组件的实时控制与监控，支持对5G网络行为的精确仿真。
• 实时实验验证了测试平台在动态条件下检测与分析攻击传播的可行性与响应能力。
• 三角模糊数有效捕捉了主观与不精确的风险输入，从而实现了更可靠的風險优先级排序。
• 该框架通过在不确定性条件下引入多准则评估，相较于传统漏洞评估方法，显著提升了决策准确性。