[论文解读] Proactive Defense Against Physical Denial of Service Attacks using Poisson Signaling Games

Jeffrey Pawlick, Quanyan Zhu|arXiv (Cornell University)|Jul 10, 2017

Network Security and Intrusion Detection被引用 3

一句话总结

本文提出了一种针对信息物理系统中物理拒绝服务（PDoS）攻击的主动防御机制，采用新颖的泊松信号博弈模型分析僵尸网络招募行为。通过将异构物联网设备建模为检测能力各异的接收方，并引入经济激励以实现主动防御，研究结果表明，战略性的经济机制可将僵尸网络活动降低至任意小，而法律强制措施仅产生有限影响。

ABSTRACT

While the Internet of things (IoT) promises to improve areas such as energy efficiency, health care, and transportation, it is highly vulnerable to cyberattacks. In particular, distributed denial-of-service (DDoS) attacks overload the bandwidth of a server. But many IoT devices form part of cyber-physical systems (CPS). Therefore, they can be used to launch "physical" denial-of-service attacks (PDoS) in which IoT devices overflow the "physical bandwidth" of a CPS. In this paper, we quantify the population-based risk to a group of IoT devices targeted by malware for a PDoS attack. In order to model the recruitment of bots, we develop a "Poisson signaling game," a signaling game with an unknown number of receivers, which have varying abilities to detect deception. Then we use a version of this game to analyze two mechanisms (legal and economic) to deter botnet recruitment. Equilibrium results indicate that 1) defenders can bound botnet activity, and 2) legislating a minimum level of security has only a limited effect, while incentivizing active defense can decrease botnet activity arbitrarily. This work provides a quantitative foundation for proactive PDoS defense.

研究动机与目标

• 量化针对信息物理系统（CPS）的物理拒绝服务（PDoS）攻击中物联网设备被攻陷的风险。
• 将物联网设备被招募进僵尸网络的过程建模为一种未知且服从泊松分布的接收方数量的信号博弈。
• 通过博弈论均衡分析，评估法律与经济机制在阻止僵尸网络招募方面的有效性。
• 评估主动防御策略——尤其是经济激励驱动的策略——在降低恶意软件持久性和僵尸网络活动方面的效果。

提出的方法

• 形式化定义了一种泊松信号博弈（PSG），其中潜在物联网目标的数量服从泊松分布，以捕捉恶意软件大规模且不确定的扫描行为。
• 引入具有不同检测能力的异构接收方类型，以应对恶意发送方发出的欺骗性信号。
• 将防御者策略建模为完美贝叶斯纳什均衡（PBNE）中的混合策略，区分抗性均衡、易受攻击均衡与现状均衡。
• 引入经济激励 $U_{v}^{R}(d,p,f)$ 以鼓励主动防御，从而改变均衡行为并降低恶意软件持久性。
• 利用期望效用函数与均衡条件，推导在不确定性与信息不对称条件下的最优防御策略。
• 将模型应用于一个真实世界的PDoS场景：通过攻陷暖通空调控制器，使电力网络带宽过载。

实验结果

研究问题

• RQ1 当脆弱物联网设备的数量未知且随机分布时，如何对PDoS攻击的风险进行定量建模？
• RQ2 在接收方（物联网设备）具有异质检测能力且面临不确定恶意信号的信号博弈中，其均衡结果为何？
• RQ3 在PDoS背景下，法律强制措施（如最低安全标准）在多大程度上可减少僵尸网络招募活动？
• RQ4 与监管要求相比，经济激励是否能更有效地降低僵尸网络活动？
• RQ5 主动防御策略的引入如何改变PDoS攻击生命周期中恶意行为者的均衡行为？

主要发现

• 防御者可通过限制乘积 $\sigma_{d}^{S*}(p)q^{S}(d)$ 来控制僵尸网络扫描器的总活动量，该乘积代表了恶意软件持久性与扫描努力的综合效应。
• 强制实施最低安全标准仅能以固定且有限的因子降低恶意软件持久率 $\sigma_{d}^{S*}(p)$，无论覆盖多少设备。
• 经济激励可使 $\sigma_{d}^{S*}(p)$ 任意趋近于零，表明其是一种可扩展且强大的威慑机制。
• 在易受攻击的攻击者均衡中，当引入主动防御激励时，恶意扫描器的持久率显著下降。
• 仅需少量的主动防御努力 $\sigma_{v}^{R*}(f|p,b)$ 即可实现强威慑效果，尤其当欺骗成本 $\omega_{d}^{f}$ 较低时。
• 该模型的均衡结果与真实僵尸网络（如Conficker）的行为一致——后者也通过限制活动量以避免被检测，验证了模型的真实性。