[论文解读] STRIDE-based Cyber Security Threat Modeling for IoT-enabled Precision Agriculture Systems

Md. Rashid Al Asif, Khondokar Fida Hasan+2 more|arXiv (Cornell University)|Jan 24, 2022

Smart Agriculture and AI被引用 6

一句话总结

本文提出了一种基于 STRIDE 的威胁建模框架，用于物联网（IoT）赋能的精准农业系统，以在组件级别识别和缓解网络威胁。通过分析数据流、交互实体和系统组件，研究在六个 STRIDE 类别中识别出 58 项具体网络威胁，提供了针对性的防御机制，以增强智能农业环境中系统的安全性和弹性。

ABSTRACT

The concept of traditional farming is changing rapidly with the introduction of smart technologies like the Internet of Things (IoT). Under the concept of smart agriculture, precision agriculture is gaining popularity to enable Decision Support System (DSS)-based farming management that utilizes widespread IoT sensors and wireless connectivity to enable automated detection and optimization of resources. Undoubtedly the success of the system would be impacted on crop productivity, where failure would impact severely. Like many other cyber-physical systems, one of the growing challenges to avoid system adversity is to ensure the system's security, privacy, and trust. But what are the vulnerabilities, threats, and security issues we should consider while deploying precision agriculture? This paper has conducted a holistic threat modeling on component levels of precision agriculture's standard infrastructure using popular threat intelligence tools STRIDE to identify common security issues. Our modeling identifies a noticing of fifty-eight potential security threats to consider. This presentation systematically presented them and advised general mitigation suggestions to support cyber security in precision agriculture.

研究动机与目标

• 为应对由于连接设备增加和云集成导致的攻击面扩大，物联网赋能的精准农业系统日益增长的网络安全担忧。
• 识别标准精准农业基础设施中可能危及系统完整性、隐私性和可用性的组件级漏洞和威胁向量。
• 采用 STRIDE 方法构建系统化的威胁建模流程，以枚举和分类精准农业工作流中的潜在网络威胁。
• 推荐实用且可推广的防御机制（如加密、访问控制和入侵检测），以缓解已识别的威胁。
• 通过在部署前主动识别威胁，支持设计更安全、可信且更具弹性的精准农业系统。

提出的方法

• 应用微软的 STRIDE 威胁建模框架（欺骗、篡改、抵赖、信息泄露、拒绝服务、权限提升）分析系统组件和数据流。
• 构建了聚焦于关键组件的数据流图（DFD）：物联网网关/雾节点（IGFN）、物联网现场网关（IFG）、执行器、云，以及外部交互实体（远程用户、移动客户端）。
• 由于假设信任且具备外部安全控制，将现场传感器和物联网节点以及云/卫星提供商排除在威胁分析之外。
• 通过系统性地评估每个组件、数据流和交互，结合 STRIDE 类别，识别出 58 项不同的网络威胁。
• 推荐了如 AES、RSA、TLS、WPA3、HMAC、CMAC、IPsec 和 HSM 等防御机制，其加密强度与 NIST 标准一致。
• 使用开源的微软威胁建模工具，以实现跨系统各层的结构化、可视化和可重复的威胁建模。

实验结果

研究问题

• RQ1 物联网赋能的精准农业系统中，影响组件级交互的主要网络威胁是什么？
• RQ2 如何有效应用 STRIDE 威胁建模方法论来识别和分类精准农业基础设施中的安全威胁？
• RQ3 哪些防御机制最适合缓解精准农业系统中基于 STRIDE 的威胁类别？
• RQ4 网关、执行器、云服务与远程用户之间的数据流在智能农业生态系统中引入了哪些关键漏洞？
• RQ5 威胁建模如何有助于主动设计更安全、更具弹性的精准农业系统？

主要发现

• 在标准精准农业系统架构中，六个 STRIDE 威胁类别共识别出 58 项独立的网络安全威胁。
• 最普遍的威胁类别为信息泄露（12 项威胁），其次是拒绝服务（10 项威胁）和篡改（9 项威胁），表明数据和可用性是主要关注点。
• 未经授权访问云数据、现场网关欺骗以及灌溉指令篡改等威胁被明确识别为关键风险。
• 研究证实，资源受限设备和未受保护的无线通信信道显著增加了攻击面和漏洞暴露风险。
• 端到端加密（AES、RSA）、双向认证（HMAC、CMAC）以及安全传输协议（TLS、IPsec）被证明对缓解多种威胁类型至关重要。
• 建议将 NIST 推荐的加密标准（例如，AES 使用 256 位密钥，RSA 使用 3072 位密钥）作为保护静态和传输中数据的基线。