[論文レビュー] NoiSense: Detecting Data Integrity Attacks on Sensor Measurements using Hardware based Fingerprints

Chuadhry Mujeeb Ahmed, Aditya P. Mathur+1 more|arXiv (Cornell University)|Dec 5, 2017

Physical Unclonable Functions (PUFs) and Hardware Security参考文献 43被引用数 10

ひとこと要約

NoiSenseは、産業用センサーの製造不具合に起因する内在的ノイズパターンを活用して、サイバー物理システム（CPS）におけるセンサーを独自に識別するハードウェアベースのセンサー指紋技術を提案する。時間領域および周波数領域のノイズ特徴量を機械学習で処理することで、センサー同定に最大97％の正確性を達成し、物理的センサー交換およびアナログスプーフィング攻撃を100％の真正陽性率、0％の偽陽性率で検出する。

ABSTRACT

In recent years fingerprinting of various physical and logical devices has been proposed with the goal of uniquely identifying users or devices of mainstream IT systems such as PCs, Laptops and smart phones. On the other hand, the application of such techniques in Cyber-Physical Systems (CPS) is less explored due to various reasons, such as difficulty of direct access to critical systems and the cost involved in faithfully reproducing realistic scenarios. In this work we evaluate the feasibility of using fingerprinting techniques in the context of realistic Industrial Control Systems related to water treatment and distribution. Based on experiments conducted with 44 sensors of six different types, it is shown that noise patterns due to microscopic imperfections in hardware manufacturing can be used to uniquely identify sensors in a CPS with up to 97% accuracy. The proposed technique can be used in to detect physical attacks, such as the replacement of legitimate sensors by faulty or manipulated sensors. We also show that, unexpectedly, sensor fingerprinting can effectively detect advanced physical attacks such as analog sensor spoofing due to variations in received energy at the transducer of an active sensor. Also, it can be leveraged to construct a novel challenge-response protocol that exposes cyber-attacks.

研究の動機と目的

• 実世界のCPS環境における産業用センサーが、製造不具合に起因して固有で再現可能なハードウェア指紋を示すかどうかを調査すること。
• 既存のセンサー・ハードウェアや通信プロトコルを変更せずに、非侵襲的で低オーバーヘッドな方法で、内在的ノイズ特性を用いてセンサーを認証する手法を開発すること。
• センサー指紋を用いて、センサー交換やアナログスプーフィング攻撃などの物理的攻撃を産業制御システムで検出可能なかを評価すること。
• センサー指紋に基づく新しいチャレンジ・レスポンスプロトコルを設計し、CPSにおける高度なサイバー攻撃を検出すること。
• 多様なセンサー種別および実世界の運用環境において、このアプローチの頑健性とスケーラビリティを実証すること。

提案手法

• 安定した環境条件下で収集した生のセンサーノイズ信号から、時間領域および周波数領域の特徴量を抽出する。
• 個々のセンサーを、その固有のノイズ特徴プロファイルに基づいて分類・同定するため、多クラスサポートベクターマシン（SVM）を用いる。
• 超音波レベルセンサーや水処理施設に設置されたその他の産業用センサーを含む、6種類の異なるタイプの44台のセンサーから構成されるデータセットを用いてモデルを学習する。
• 微細な製造ばらつきが引き起こすノイズパターンの独自性を活用し、再現が困難なデバイス固有の指紋を生成する。
• コントローラーが期待される指紋行動に基づいてチャレンジを送信し、センサーがそのノイズプロファイルを応答として返すことで、真正性を検証するチャレンジ・レスポンスプロトコルを実装する。
• センサー交換やアナログスプーフィングを含むさまざまな攻撃シナリオにおいて、検出正確性および偽陽性／偽陰性率を測定することで、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 産業用センサーに生じる製造に起因するノイズばらつきは、センサー同定のための固有で安定的かつ検出可能な指紋として機能するか？
• RQ2 実世界のCPS環境において、センサー交換やアナログスプーフィングのような物理的攻撃を、センサー指紋技術がどの程度検出可能か？
• RQ3 ノイズ特性のみを用いて、機械学習ベースのアプローチが、正当なセンサーと改ざん済みセンサーを高精度で区別できるか？
• RQ4 提案されたチャレンジ・レスポンスプロトコルは、センサー信頼モデルを悪用する高度なサイバー攻撃を検出するのにどの程度有効か？
• RQ5 産業制御システムにおける異なるセンサータイプおよび運用条件において、指紋技術は依然として頑健に機能するか？

主な発見

• 提案されたNoiSense手法は、6種類の異なるタイプの44台の産業用センサーからなるデータセットにおいて、最大99％のセンサー同定正確性を達成した。
• 44台のセンサーのうち、31台が96％を超える正確性で同定され、残りの13台が90％以上の正確性で同定された。
• アナログセンサーのスプーフィング攻撃は、100％の真正陽性率、0％の偽陽性率で検出された。
• センサー指紋に基づくチャレンジ・レスポンスプロトコルは、センサー応答の真正性を検証することで、高度なサイバー攻撃を効果的に露呈した。
• センサー指紋の独自性は、製造不具合に起因するものであり、同じモデル・タイプのセンサー間でも本質的に再現不可能である。
• このアプローチは非侵襲的であり、ホストシステムの性能に影響を与えず、既存のセンサー・ハードウェアや通信プロトコルの変更を必要としない。