GRAVITAS：面向物联网聚合安全的图式网状攻击向量系统
密码学与安全
2021-06-02 v1 人工智能
机器学习
网络与互联网体系结构
摘要
物联网（IoT）与信息物理系统（CPS）可能由数千台设备以复杂网络拓扑连接而成。这些组件的多样性与复杂性呈现出巨大的攻击面，使攻击者能够利用不同设备的安全漏洞实施强力攻击。尽管已有大量工作致力于提升这些系统中单个设备的安全性，却极少关注聚合层面的安全。本文中，我们描述了一个名为 GRAVITAS 的物联网/CPS 综合风险管理系统，其能够识别未被发现的攻击向量，并优化防御措施在系统中的部署以实现最优性能与成本。现有风险管理系统仅考虑已知攻击，而我们的模型采用机器学习方法外推未发现的漏洞利用，从而识别出人工渗透测试（pen-testing）所忽略的攻击。该模型具有足够的灵活性，可分析几乎任意物联网/CPS，并向系统管理员提供一份具体的防御建议清单，以最优成本降低系统脆弱性。GRAVITAS 可被政府、企业及系统管理员用于大规模设计安全的物联网/CPS，在 IoT/CPS 设备即将无处不在的世界中提供安全性与效率的量化度量。
引用
@article{arxiv.2106.00073,
title = {GRAVITAS: Graphical Reticulated Attack Vectors for Internet-of-Things Aggregate Security},
author = {Jacob Brown and Tanujay Saha and Niraj K. Jha},
journal= {arXiv preprint arXiv:2106.00073},
year = {2021}
}
备注
This article has been published in IEEE Transactions on Emerging Topics in Computing, 2021