[論文レビュー] DLACB: Deep Learning Based Access Control Using Blockchain

Asma Jodeiri Akbarfam, Sina Barazandeh+2 more|arXiv (Cornell University)|Mar 26, 2023

Blockchain Technology Applications and Security被引用数 5

ひとこと要約

本論文では、行動パターンに基づいてユーザーの権限を動的に決定する深層学習を活用する、ブロックチェーン統合型アクセス制御フレームワークであるDLACBを提案する。この仕組みにより、セキュリティと透明性が向上する。ユーザーの認証とアクセス要求のブロックチェーン上での改ざん不可能なログ記録により、全テスト環境で高い正確性で悪意ある行動を効果的に検出できる。

ABSTRACT

In general, deep learning models use to make informed decisions immensely. Developed models are mainly based on centralized servers, which face several issues, including transparency, traceability, reliability, security, and privacy. In this research, we identify a research gap in a distributed nature-based access control that can solve those issues. The innovative technology blockchain could fill this gap and provide a robust solution. Blockchain's immutable and distributed nature designs a useful framework in various domains such as medicine, finance, and government, which can also provide access control as opposed to centralized methods that rely on trusted third parties to access the resources. In existing frameworks, a traditional access control approach is developed using blockchain, which depends on predefined policies and permissions that are not reliable. In this research, we propose DLACB: Deep Learning Based Access Control Using Blockchain, which utilizes a deep learning access control mechanism to determine a user's permissions on a given resource. This proposed framework authenticates the users and logs the access requests on the blockchain to recognize malicious users. The results show that this proposed framework operates correctly for all possible scenarios.

研究の動機と目的

• 中央集権的な深層学習モデルの限界、すなわち透明性・追跡可能性・セキュリティの欠如を是正する。
• 静的ポリシーと事前定義された権限に依存する伝統的なブロックチェーンベースのアクセス制御システムの硬直性を克服する。
• 深層学習を用いてユーザー行動に応じて適応する動的で行動主導型のアクセス制御メカニズムを開発する。
• ブロックチェーン技術との統合により、アクセスログの監査可能性と改ざん不可能性を確保する。
• 行動分析と分散台帳ログ記録を組み合わせることで、悪意あるユーザーの検出に向けた強固なソリューションを提供する。

提案手法

• ユーザーのアクセスパターンを分析し、適切な権限を動的に推定するための深層学習モデルを活用する。
• 行動スコアをアクセス権にマッピングする権限割り当てモジュールと、深層学習推論エンジンを統合する。
• すべてのアクセス要求および認証イベントを改ざん不可能で時刻付きの方法で保存する、許可型ブロックチェーンを使用する。
• 分散ノード間でアクセス取引を検証・記録するために、合意形成メカニズムを実装する。
• アクセス意思決定の前に、アイデンティティを行動埋め込み表現に束縛するユーザー認証レイヤーを設計する。
• すべてのアクセス試行をブロックチェーンにログ記録し、フォレンジック分析や異常または悪意ある行動の検出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにして深層学習をブロックチェーンと効果的に統合し、動的で安全なアクセス制御システムを構築できるか？
• RQ2 行動ベースのアクセス制御モデルは、静的ポリシーに基づくシステムに比べて、悪意あるアクセス試行の検出において優れていると期待できるか？
• RQ3 ブロックチェーンの使用が、深層学習駆動のアクセス意思決定における透明性と監査可能性をどの程度向上させるか？
• RQ4 提案されたフレームワークは、エッジケースをどのように処理し、すべての可能なアクセスシナリオにおいて正しく動作するか？
• RQ5 行動分析と改ざん不可能なログ記録を組み合わせることで、全体的なシステムのレジリエンスと信頼性にどのような影響を与えるか？

主な発見

• DLACBフレームワークは、深層学習モデルを用いて、全テスト対象のユーザー行動に対して適切なアクセス権限を正常に決定した。
• すべてのアクセス要求がブロックチェーンに安全にログ記録され、ユーザー行動の完全な追跡可能性と監査可能性が実現された。
• 行動の異常検出により、悪意あるアクセス試行が効果的に特定され、アラートが発行された。
• 深層学習とブロックチェーンの統合により、アクセス制御意思決定が適応的かつ検証可能であることが保証された。
• フレームワークは、すべての可能なアクセスシナリオにおいて正しく動作し、強靭性と信頼性を示した。
• ブロックチェーン上での改ざん不可能なログ記録の使用により、システムの整合性が向上し、事後フォレンジック分析を支援した。