ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

magbo system

Сочинение на тему Система обнаружения вторжений на основе интеллектуального анализа данных Intel Lab

Система обнаружения вторжений IoT на основе аномалий на основе майнинга набора данных Intel Lab

Глава 2: Фоновое исследование

Целью данной главы является обзор результатов исследований, в которых исследуются системы обнаружения вторжений IoT. Анализ результатов исследований, проведенных в прошлом, дает ценную информацию о целесообразности использования системы IoT на основе аномалий для систем обнаружения. Таким образом, цель состоит в том, чтобы дополнить текущую литературу, улучшив понимание этих концепций. В дополнение к этой цели, также важно определить стратегии, принятые предыдущими исследователями при изучении систем вторжения IoT, поскольку это позволит принимать решения при принятии решения о наиболее эффективной методологии исследования для использования.

Недавние кибератаки

Цифровое преобразование повышает восприимчивость компаний к киберугрозам, поскольку хакеры используют передовые и высокопроизводительные технологии. Тот факт, что в 2017 году жертвами кибератак стали жертвами кибератак различные успешные фирмы, занимающиеся разработкой новых проектов, подтверждает этот факт. По сути, их восприимчивость к кибератакам свидетельствует о необходимости дополнительных исследований для разработки гораздо более эффективной киберзащиты. В некоторой степени это понимание является мотивацией для проведения текущих исследований.

Взлом Equifax поставил под угрозу конфиденциальные и конфиденциальные данные более 145 миллионов клиентов (Berghel, 2017). Компания специализируется на сборе финансовой информации, необходимой для кредитного рейтинга. Для достижения этой цели Equifax хранит информацию, которая может раскрыть уязвимости владельцев данных. Под угрозой оказались данные, относящиеся к частным данным, лучше всего иллюстрируемые номерами социального страхования. Очевидно, что необоснованный доступ к таким данным со стороны третьих лиц ставит под угрозу финансовое и социальное благополучие пострадавших лиц. Тимберг и соавт. (2017) установить, что внутренние слабости были в основе скандала с хакерскими данными, что привело к отставке генерального директора. Этот случай подтверждает необходимость в системах безопасности, которые могут управлять поведением сотрудников.

Yahoo также стала жертвой кибератаки с участием 3 миллиардов учетных записей, о которых сообщалось в прошлом году, несмотря на то, что она произошла около трех лет назад (Perlroth, 2017). Во время этого инцидента вся его информация о клиенте была взломана, что продемонстрировало уязвимость данных клиента для кибератак. Первоначально компания ложно свидетельствовала о том, что взломали только около трети этого числа (Larson, 2017). На сегодняшний день компании еще предстоит установить происхождение взлома данных.

Другой международный бренд, Uber, также подвергся кибератаке, которая привела к незаконному доступу к данным его 57 миллионов пользователей (Carson, 2017). В попытке защитить свою репутацию компания скрыла факты инцидента. Однако правда была открыта только недавно новым генеральным директором (Larson, 2017). После раскрытия сокрытия в Сенат США был представлен законопроект, направленный на запрет организаций на сокрытие киберпреступности. Со временем этот законопроект может стать законом после того, как будет предпринято достаточное лоббирование.

Все эти случаи подтверждают постоянный риск, который киберугрозы представляют для корпораций, как локальных, так и международных. Принятые до настоящего времени меры оказались неэффективными для защиты данных частной компании от доступа посторонних третьих лиц. В какой-то степени эти недавние случаи кибер-хакерства подтверждают необходимость текущего исследования, поскольку необходимо определить потенциальную эффективность основанной на аномалиях системы обнаружения вторжения IoT в защите цифровых систем, таким образом внося свой вклад в причину. Выводы, которые будут реализованы в данном документе, могут иметь международное значение для принятых архитектур безопасности.

До сих пор у меня был личный опыт решения проблем, связанных с киберугрозами, и это вдохновило меня на изучение систем обнаружения вторжения IoT на основе аномалий. В частности, при разработке моей страницы WordPress я столкнулся с атакой на SQL-инъекцию, которая угрожала успеху моего проекта. Чтобы устранить этот риск, я снабдил свою базу данных достаточными мерами для снижения риска киберугроз. Например, я регулярно делал резервные копии своей системы, что избавляло меня от полной потери данных. Кроме того, я также установил расширение защиты SQL-инъекций, доступ к которому осуществляется через WordPress. К счастью, все эти стратегии были достаточными для снижения риска воздействия.

Современные методы борьбы с кибератаками

Прежде чем установить потенциальную актуальность системы обнаружения вторжений IoT, необходимо определить эффективность существующих методов борьбы с кибератаками. Корпорации используют различные инструменты для повышения общей устойчивости к киберугрозам. Некоторые из этих подходов перечислены ниже.

Аналитика поведения

Аналитика поведения – это способность, позволяющая системам определять аномалии в поведении в сети, что позволяет защитить систему от киберугроз. Машинное обучение является критически важным компонентом в поведенческой аналитике, поскольку система IoT должна быть наделена полномочиями выявлять поведение в Интернете, которое отличается от нормы. Следовательно, система повышает осведомленность о любых отклонениях в поведении от нормы, что позволяет обнаруживать потенциально критические киберугрозы.

Гарсия-Теодоро и соавт. (2009) установили, что большинство организаций полагаются на системы обнаружения вторжений (IDS) в качестве первого защитного механизма, обеспечивающего оповещение в случае подозрительного поведения. В подтверждение этого вывода Cormac et al. (2011) обнаружили, что механизмы веб-фильтрации снижают риск нарушений, вызванных сотрудниками. Исследователи подтверждают, что в большинстве случаев поведение сотрудников в Интернете обычно подвергает организацию киберугрозам. Следовательно, веб-фильтрация защищает компанию от фишинга в Интернете, что является серьезной проблемой в современной операционной среде.

Еще одно потенциальное решение, принятое фирмами, заключается в подходе к распределенному отказу в обслуживании (DDoS) (Joshi and Pimprale, 2013). Alomari et al. (2012) пришли к выводу, что атака на основе DDoS является одной из наиболее распространенных стратегий, используемых во время кибератак, и может препятствовать функционированию всей сети, затрудняя тем самым операции (Joshi and Pimprale, 2013). Необходимы эффективные средства защиты, чтобы обезопасить организации от этого риска с помощью эффективных систем безопасности. Например, предприятия могут принять стратегии предотвращения потери данных (DLP), эффективность защиты данных которых подтверждена Takebayashi et al. (2010). Alomari et al. (2012) развивают это понимание, утверждая, что компаниям часто необходимо дополнять различные инновационные инструменты для защиты от вечного риска, связанного с киберпреступностью.

На этом этапе необходимо подчеркнуть роль систем обнаружения вторжений, основанных на неправильном использовании, как подхода, который мотивировал необходимость разработки систем на основе аномалий. Подход неправильного использования влечет за собой разработку системы, которая обнаруживает вторжения, соответствующие сохраненным сигнатурам, но этот подход оказался неэффективным из-за его неспособности обеспечить целостную защиту от современных киберугроз (Barika et al., 2009). По сути, системы компании были уязвимы для атак, имеющих уникальные подписи (Barika et al., 2009). В такой ситуации необходимость в системах на основе аномалий стала очевидной.

Несмотря на существование широкого спектра инструментов безопасности, корпорации, работающие в современной бизнес-среде, все еще подвержены киберугрозам. Тот факт, что в прошлом году некоторые из ведущих мировых компаний столкнулись с утечкой данных, свидетельствует о необходимости дополнительной защиты. Принимая это во внимание, в настоящее время предпринимаемые усилия по исследованию предлагают роль и потенциальную эффективность основанных на аномалиях систем обнаружения вторжения IoT.

Базовая архитектура систем IoT

Фундаментальная основа IoT такова, что она может предложить значительный потенциал для решения проблем, с которыми сталкиваются корпорации в современной операционной среде. Фарук и соавт. (2015) описал инфраструктуру IoT как сеть, характеризующуюся уникально идентифицированными элементами, которые, в свою очередь, имеют аспект программного интеллекта, критически важный для роли в архитектуре безопасности. Использование возможности подключения через Интернет; Объекты IoT обеспечивают связь между всеми заинтересованными сторонами. Используя этот инструмент, можно получить доступ и управлять вводом данных в систему через датчики. Таким образом, одно из преимуществ, связанных с безопасностью IoT, влечет за собой возможность сбора физических данных. Из этого понимания очевидно, что IoT может иметь значительные последствия в обеспечении безопасности от киберугроз. Фарук и соавт. (2015) установили, что взаимодействие между психическим миром и компьютерной средой может обеспечить защиту в реальном времени как от физических, так и от цифровых угроз. Однако для того, чтобы это было актуализировано, необходимо, чтобы система IoT характеризовалась тремя критическими качествами.

Помимо уникального идентификатора, IoT должен обладать способностью общаться со всеми соответствующими заинтересованными сторонами и способностью получать конкретные запрашиваемые данные. Все эти качества имеют решающее значение для эффективного IoT. Хотя потребность во всех этих функциях поддерживается как Farooq et al. (2015) и Alomari et al. (2012), суть проблемы заключается в том, что способность предлагать соответствующую информацию является одним из важнейших качеств системы. С этой целью Riahi et al. (2013) определяют необходимость разработки эффективных датчиков, которые могли бы обеспечить соответствие систем IoT поставленным целям. Оптимальный подход заключается в обеспечении того, чтобы датчики могли работать с полнофункциональным устройством (FFD) и устройствами с ограниченной функциональностью (RFD) (Liu et al., 2013). Таким образом, общая функциональность системы будет значительно увеличена.

Согласно пониманию Zarpelão et al. (2017), подход к размещению, используемый в системе IoT. Для систем обнаружения вторжений можно использовать три стратегии размещения: централизованные, распределенные и гибридные. Исследователь устанавливает, что гибридный подход, который сочетает в себе как централизованные, так и распределенные факторы размещения, как правило, основан на спецификациях (Zarpelão et al. 2017). Из-за принятого дизайна структуры гибридная система наиболее подвержена атакам маршрутизации. В частности, хакеры заполняют систему запросами с целью сделать ее избыточной. С другой стороны, централизованные системы подвержены атакам «человек посередине». Проект распределенного размещения уязвим как для маршрутизации, так и для атак DOS. С этой целью Zarpelão et al. предложить использование систем на основе аномалий в обнаружении угроз при использовании подхода гибридного размещения.

Внедрение систем IoT в традиционных сетях

Botnets

Продолжающаяся популярность систем IoT увеличивает риск, который ботнеты представляют для современных архитектур безопасности. Riahi et al. (2012) установили, что бот-сети используют независимость и связность объектов для использования уязвимостей принятых систем безопасности. Используя этот подход, они могут взять под контроль целые системы с целью внедрения и распространения вирусов. При эффективном использовании бот-сети могут получать доступ к данным, размещенным на серверах целевых организаций, а операторы определяют степень ущерба, который будет нанесен. В некоторой степени степень риска, представляемого ботнетами, зависит от использования общей связности объектов.

Система IoT используется ботнетами для сбоя систем из-за увеличенного объема запросов. Согласно Greitzer and Frincke (2010), в традиционном подходе одно устройство отправляет в систему несколько запросов. В такой ситуации технология защиты от фишинга и спама могла устранить этот риск, поскольку один источник множественных запросов можно легко определить. Однако со временем хакеры данных стали эффективнее разрушать системы с помощью архитектуры IoT. В частности, цель состоит в том, чтобы использовать разные штуковины, управляющие разными устройствами, для отправки запросов на одну платформу. Таким образом, уязвимости системы могут быть выявлены из-за перегрузки. Таким образом, среда IoT позволила традиционным подходам стать намного более эффективными путем адаптации к новым архитектурам.

Концепция «человек посередине» (MITM)

Подход MITM зависит от способности хакеров перехватывать связь между двумя системами, что является критической концепцией систем IoT. В соответствии с Roman и соавт. (2013), связь через интернет-системы является критической уязвимостью IoT из-за потенциальных последствий искаженной связи. В частности, неэтичные хакеры могут использовать это важное качество для вмешательства в функциональность подключенных устройств. В такой ситуации хакеры перенимают процесс связи, искажая данные, полученные каждым устройством. Таким образом, они могут определять действия, предпринимаемые каждым устройством в ходе процесса связи. Роман и соавт. (2013) обнаружили, что успех атаки зависит от способности поддерживать целостность процесса коммуникации. Каждое устройство должно подтвердить надежность процесса связи. По сути, эта угроза связана с возможностью использовать уязвимости системы IoT.

Отказ в обслуживании

Атака отказа в обслуживании зависит от разрушения репутации организации с помощью систем IoT. В частности, целью является нарушение связи между устройствами, которые обычно взаимодействуют через Интернет. В этой ситуации …

Зарегистрируйся, чтобы продолжить изучение работы

    Поделиться сочинением
    Ещё сочинения
    Нет времени делать работу? Закажите!

    Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.