面向社交虚拟现实学习环境中安全与隐私的攻击树
密码学与安全
2020-03-31 v1 计算机与社会
分布式、并行与集群计算
摘要
社交虚拟现实学习环境(VRLE)是一种用于分布式用户间协作的新型边缘计算平台。鉴于 VRLE 用于关键应用(例如特殊教育、公共安全培训)，确保安全和隐私问题十分重要。在本文中，我们提出一种新颖框架，用于对 VRLE 的威胁与漏洞进行定量评估。基于一个实际社交 VRLE 即 vSocial 的用例，我们首先使用攻击树对安全和隐私建模。随后，将这些攻击树转换为随机时间自动机表示，从而允许严格的统计模型检验。此类分析帮助我们采纳诸如加固、多样性和最小特权原则等相关设计原则，以增强社交 VRLE 的弹性。通过 vSocial 案例研究中的实验，我们展示了攻击树建模的有效性：在采用设计原则的前后场景中，完整性丧失(安全)的概率降低 26%，隐私泄露(隐私)降低 80%。
引用
@article{arxiv.1911.03563,
title = {Attack Trees for Security and Privacy in Social Virtual Reality Learning Environments},
author = {Samaikya Valluripally and Aniket Gulhane and Reshmi Mitra and Khaza Anuarul Hoque and Prasad Calyam},
journal= {arXiv preprint arXiv:1911.03563},
year = {2020}
}
备注
Accepted for publication in in the IEEE Consumer Communications & Networking Conference (CCNC 2020)