[论文解读] Characterizing the Power of Moving Target Defense via Cyber Epidemic Dynamics

Yujuan Han, Wenlian Lu+1 more|arXiv (Cornell University)|Apr 27, 2014

Complex Network Analysis Techniques参考文献 47被引用 9

一句话总结

本文提出了一种网络蠕虫动力学框架，以系统化地表征移动目标防御（MTD）在提升网络系统弹性方面的效能。通过将MTD建模为网络中动态参数与结构的变化，引入了两种互补的度量指标——在不考虑成本情况下的最大可容忍不安全配置时间，以及给定不安全时间允许下的最小部署成本，从而通过解析算法实现最优MTD策略合成。

ABSTRACT

Moving Target Defense (MTD) can enhance the resilience of cyber systems against attacks. Although there have been many MTD techniques, there is no systematic understanding and {\em quantitative} characterization of the power of MTD. In this paper, we propose to use a cyber epidemic dynamics approach to characterize the power of MTD. We define and investigate two complementary measures that are applicable when the defender aims to deploy MTD to achieve a certain security goal. One measure emphasizes the maximum portion of time during which the system can afford to stay in an undesired configuration (or posture), without considering the cost of deploying MTD. The other measure emphasizes the minimum cost of deploying MTD, while accommodating that the system has to stay in an undesired configuration (or posture) for a given portion of time. Our analytic studies lead to algorithms for optimally deploying MTD.

研究动机与目标

• 为解决当前在网络安全防御中缺乏对移动目标防御（MTD）效能的系统性、定量表征问题。
• 开发一种全局性、分析性的框架，用于评估MTD有效性，超越仿真或局部分析的局限。
• 定义两种互补的安全度量：在不考虑成本情况下的最大不安全配置时间，以及在给定不安全时间允许下的最小成本。
• 基于网络蠕虫动力学的解析模型，推导出最优MTD部署策略。
• 通过将MTD建模为网络化系统中的动态防御机制，为科学驱动的安全度量奠定基础。

提出的方法

• 使用图论抽象建模网络系统，其中节点代表系统组件，边代表攻击路径。
• 借鉴文献[50]中的网络蠕虫动力学模型，并将其扩展以将MTD作为主动防御机制，动态改变系统参数与攻防结构。
• 引入依赖时间的配置切换机制，使系统在不同配置（如IP/端口随机化）之间循环切换，以扰乱攻击者进度。
• 基于参数$ a $，采用指数时间间隔确定每种配置的停留时间，该参数由每种配置所占时间比例的倒数导出。
• 应用优化技术，计算最优配置序列与停留时间，以最小化成本或最大化不安全时间容忍度。
• 采用成本函数$ g(\bullet) $建模部署开销，算法依据成本效率与安全阈值选择配置。

实验结果

研究问题

• RQ1 如何在不依赖仿真或启发式评估的前提下，系统化且定量地表征MTD的效能？
• RQ2 在最优MTD部署下，系统在不触发持续攻击的前提下，最多可容忍多大比例的时间处于不安全配置状态？
• RQ3 为使系统能够容忍给定比例的不安全状态时间，MTD部署所需的最低成本是多少？
• RQ4 系统参数与攻防结构的动态变化如何影响流行病阈值与长期系统安全性？
• RQ5 能否基于网络蠕虫动力学的解析模型，算法化地合成最优MTD策略？

主要发现

• 所提出的框架可通过两种互补度量指标表征MTD效能：最大可容忍不安全配置时间，以及给定不安全时间允许下的最小部署成本。
• 在无成本场景下，最优策略通过不安全配置时间占比的倒数导出，停留时间设定为$ T_1 = \text{exp}(a / \tilde{\rho}_1^*) $，其中$ \tilde{\rho}_1^* $为不安全状态下的最优时间占比。
• 当考虑成本时，算法会选择一组配置$ \tilde{\rho}_{k_1^*}, \tilde{\rho}_{k_2^*}, \text{等.} $，以最小化成本，同时满足不安全时间约束，使用成本函数$ g(\bullet) $。
• 该算法化部署策略具有构造性且计算上可行，其复杂度在成本感知情况下为$ O(2^{N'}) $，当$ N' $（MTD引发的配置数）较小时仍具可操作性。
• 该模型可扩展至多个违规配置，各配置的时间分配固定且不影响成本函数，从而支持可扩展的部署规划。
• 该框架通过流行病阈值分析，将MTD部署与可度量的系统弹性结果相联系，为科学驱动的安全度量提供了基础。