[论文解读] Cyber-Physical War Gaming

E. J. M. Colbert, Daniel T Sullivan+1 more|arXiv (Cornell University)|Aug 24, 2017

Information and Cyber Security参考文献 5被引用 5

一句话总结

本文提出了一种混合型网络物理对抗推演方法，结合桌面策略推演与真实网络物理系统（CPS）的实时仿真，以研究和改进网络防御策略。通过记录这些推演过程中玩家的操作，作者验证了博弈论安全模型，提供了一种可扩展、安全的方法，用于测试CPS的弹性，而无需危及实际运行系统。

ABSTRACT

This paper presents general strategies for cyber war gaming of Cyber-Physical Systems (CPSs) that are used for cyber security research at the U.S. Army Research Laboratory (ARL). Since Supervisory Control and Data Acquisition (SCADA) and other CPSs are operational systems, it is difficult or impossible to perform security experiments on actual systems. The authors describe how table-top strategy sessions and realistic, live CPS war games are conducted at ARL. They also discuss how the recorded actions of the war game activity can be used to test and validate cyber-defence models, such as game-theoretic security models.

研究动机与目标

• 开发实用且可扩展的网络物理对抗推演方法，以模拟真实世界的CPS环境，同时不干扰实际运行系统。
• 通过捕捉模拟攻击中的人类决策行为，弥合理论网络防御模型与实际运行行为之间的差距。
• 创建一个可重复的框架，利用记录的对抗推演数据来测试和验证基于博弈论的安全模型。
• 使安全研究人员能够评估防御策略在复杂、动态CPS场景中的有效性。
• 支持美国陆军研究实验室（U.S. Army Research Laboratory）通过体验式、人机协同测试推进网络弹性的使命。

提出的方法

• 开展桌面推演会议，以模拟网络物理系统环境中战略决策的制定过程。
• 使用仿真工业控制系统（如SCADA）执行实时、真实的CPS对抗推演，以复现真实世界的攻击与防御动态。
• 详细记录桌面推演和实时推演过程中玩家的操作、决策和互动。
• 利用记录的推演数据训练和验证基于博弈论的安全模型，特别是侧重于战略互动与收益优化的模型。
• 将数据应用于优化模型，以预测CPS环境中攻击者的行为及最优防御响应。
• 将人类行为模式整合到形式化模型中，以提高其真实感和预测准确性。

实验结果

研究问题

• RQ1 如何有效结合桌面推演与实时推演，以模拟真实的网络物理系统攻击与防御？
• RQ2 在多大程度上可利用对抗推演中记录的人类行为来验证和改进基于博弈论的网络防御模型？
• RQ3 在模拟的CPS环境中，攻击者与防御者的典型行为模式是什么？它们与理论模型的契合度如何？
• RQ4 如何利用对抗推演数据提升网络防御仿真的保真度与真实感，同时不危及系统安全？
• RQ5 人类决策在塑造网络物理安全场景结果方面发挥何种作用？

主要发现

• 混合对抗推演方法成功捕捉了网络物理安全场景中真实的人类行为，为模型验证提供了宝贵的行为数据。
• 对抗推演中记录的操作为训练和测试基于博弈论的防御模型提供了可靠且可扩展的数据源。
• 使用仿真SCADA系统的实时CPS对抗推演，使得在受控环境中安全、可重复地开展攻击与防御动态实验成为可能。
• 将人机协同数据整合进模型，显著提升了理论博弈论模型的真实感与预测能力。
• 该方法支持基于观察到的人类决策对网络防御策略进行迭代优化，从而增强模型的鲁棒性。
• 该方法在复杂、关键任务系统中实现大规模、可重复的网络防御机制测试方面展现出可行性。