[논문 리뷰] Identifying and Modeling Security Threats for IoMT Edge Network using Markov Chain and Common Vulnerability Scoring System (CVSS)

Maha Ali Allouzi, Javed Khan|arXiv (Cornell University)|2021. 04. 23.

IoT and Edge/Fog Computing참고 문헌 7인용 수 7

한 줄 요약

이 논문은 마르코프 체인과 공통 취약도 평가 체계(CVSS)를 통합하여 인터넷 의료 기기(IoMT) 엣지 네트워크를 위한 하이브리드 위협 모델링 프레임워크를 제안한다. 이는 보안 위협 확률을 정량화하고 예측하기 위한 것이다. 공격 벡터를 정의하고, IoMT 엣지 인프라의 취약점을 식별하며, 마르코프 전이 행렬을 사용하여 위협 확률 분포를 계산함으로써 환자 데이터 보안을 위한 사전 위험 평가가 가능해진다.

ABSTRACT

In this work, we defined an attack vector for networks utilizing the Internet of Medical Things (IoMT) devices and compute the probability distribution of IoMT security threats based on Markov chain and Common Vulnerability Scoring System (CVSS). IoMT is an emerging technology that improves patients' quality of life by permitting personalized e-health services without restrictions on time and site. The IoMT consists of embedded objects, sensors, and actuators that transmit and receive medical data. These Medical devices are vulnerable to different types of security threats, and thus, they pose a significant risk to patient's privacy and safety. Because security is a critical factor for successfully merging IoMT into pervasive healthcare systems, there is an urgent need for new security mechanisms to prevent threats on the IoMT edge network. Toward this direction, the first step is defining an attack vector that an attacker or unauthorized user can take advantage of to penetrate and tamper with medical data. In this article, we specify a threat model for the IoMT edge network. We identify any vulnerabilities or weaknesses within the IoMT network that allow unauthorized privileges and threats that can utilize these weaknesses to compromise the IoMT edge network. Finally, we compute the probability distribution of IoMT threats based on the Markov transition probability matrix.

연구 동기 및 목표

• 의료 기기에서의 증가하는 취약성으로 인해 IoMT 엣지 네트워크에서 사전 대응 가능한 보안 메커니즘이 필수적인 요구사항을 해결하기 위해.
• 비인가 접근과 데이터 변조를 위해 IoMT 엣지 인프라의 약점을 악용하는 종합적인 공격 벡터를 정의하기 위해.
• 환자 개인정보 및 안전을 위협하는 특정 취약점과 위협을 식별하기 위해.
• 마르코프 체인 기반의 확률 분포를 사용하여 보안 위협의 동적 진화를 모델링하기 위해.
• CVSS 점수를 마르코프 모델링과 통합하여 위협 발생 가능성의 정량적 평가를 수행하고, 대응 전략의 우선순위를 정하기 위해.

제안 방법

• 연구는 식별된 공격 벡터와 시스템 취약점을 바탕으로 IoMT 엣지 네트워크의 위협 모델을 수립한다.
• CVSS를 사용하여 심각도 점수를 부여함으로써 IoMT 기기 및 네트워크 구성 요소의 취약점을 잠재적 위협 시나리오에 매핑한다.
• 상태가 위협 수준 또는 공격 단계를 나타내는 마르코프 체인을 구성하며, 전이 확률은 CVSS 가중치가 반영된 위협 발생 가능성에서 유도된다.
• 마르코프 전이 확률 행렬을 사용하여 네트워크 전반의 보안 위협에 대한 장기적 확률 분포를 계산한다.
• CVSS 점수를 사용하여 위협 확률에 가중치를 적용함으로써 고심각도 취약점이 전이 동역학에 더 큰 영향을 미치도록 보장한다.
• 확률적 상태 전이 기반의 위협 진행 시뮬레이션을 통해 동적 위험 평가가 가능해진다.

실험 결과

연구 질문

• RQ1 IoMT 엣지 네트워크에서 시스템 취약점을 악용하기 위한 종합적인 공격 벡터는 어떻게 정의할 수 있는가?
• RQ2 IoMT 엣지 시스템에서 환자 데이터 기밀성과 무결성을 위협하는 주요 취약점과 위협 벡터는 무엇인가?
• RQ3 CVSS 점수는 어떻게 마르코프 체인 모델링과 효과적으로 통합되어 위협 확률을 정량화할 수 있는가?
• RQ4 시간이 지남에 따라 IoMT 엣지 네트워크 전반의 보안 위협에 대한 확률 분포는 어떻게 되는가?
• RQ5 제안된 모델은 얼마나 높은 위험도의 위협 시나리오를 사전에 예측하고 우선순위를 정할 수 있는가?

주요 결과

• 제안된 프레임워크는 CVSS 가중 전이 확률을 갖춘 마르코프 체인을 사용하여 IoMT 엣지 네트워크에서의 보안 위협의 동적 진화를 성공적으로 모델링한다.
• CVSS 점수를 마르코프 모델에 통합함으로써 심각도에 따라 위협을 우선순위 정렬할 수 있어 위험 평가 정확도가 향상된다.
• 위협의 확률 분포는 시간이 지남에 따라 계산되며, 핵심 IoMT 구성 요소를 공격하는 고확률 공격 경로를 드러낸다.
• 모델은 센서, 액추에이터 및 통신 프로토콜에서의 특정 취약점을 공격자의 주요 진입점으로 식별한다.
• 이 프레임워크는 위협 진화를 예측할 수 있는 정량적 기반을 제공하여 전자건강 시스템에서의 사전 보안 강화를 지원한다.
• 결과는 고심각도 취약점이 성공적인 공격 가능성을 크게 증가시키며, 이는 모델이 CVSS 점수에 민감하게 반응함을 검증한다.