基于MACM模型的物联网系统安全评估:一种迭代式建模与自动化渗透测试方法

《Internet of Things》:Correct by design, complete by iteration: A graph-based framework for automated security assessment

【字体: 大 中 小 】 时间:2025年12月30日 来源:Internet of Things 7.6

编辑推荐:

  本文针对物联网系统安全评估中模型不完整、验证困难的问题,提出了一种基于多用途应用组合模型(MACM)的迭代式安全评估方法。研究人员通过定义形式化的属性图模式,结合自动化渗透测试工具,构建了能够动态更新的系统模型,并开发了相应的验证机制。研究结果表明,该方法能有效提升威胁模型和渗透测试计划的覆盖范围与准确性,为复杂IT基础设施的安全保障提供了新思路。

  
随着物联网(IoT)、云计算和工业互联网等技术的飞速发展,现代信息系统的复杂性和互联性达到了前所未有的高度。然而,这种复杂性也给系统安全带来了严峻挑战。传统的安全评估方法,如威胁建模和渗透测试,往往依赖于安全专家的人工分析,不仅效率低下,而且难以保证评估的全面性和准确性。尤其对于由异构组件构成的复杂系统,构建一个能够准确反映其架构、资产间关系和安全属性的系统模型本身就是一个难题。现有建模方法缺乏形式化的约束,生成的模型可能包含逻辑错误或不完整的部分,导致基于这些模型的安全评估存在盲区。因此,如何构建一个正确、完整且能随系统演化而动态更新的形式化模型,并在此基础上实现安全评估过程的自动化与迭代优化,成为了信息安全领域一个亟待解决的关键问题。
为了应对上述挑战,发表在《Internet of Things》期刊上的论文《A formal model for iterative security assessment: the case of IoT》提出了一种创新的解决方案。该研究由Felice Moretta、Umberto Barbato、Massimiliano RAK和Daniele Granata共同完成,他们引入了一种名为“多用途应用组合模型”(Multi-purpose Application Composition Model, MACM)的形式化建模系统。MACM的核心思想是利用属性图(Property Graph)来精确描述系统中的各种资产(如硬件、服务、网络)以及它们之间的复杂关系(如托管、连接、使用)。更重要的是,研究者为MACM定义了一套严格的模式(Schema)和语义约束,确保生成的模型在结构上是正确和一致的。为了将建模与安全评估实践紧密结合,该研究还将MACM集成到其先前提出的ESSecA(Extended System Security Assessment)方法论中,从而形成了一个“建模-威胁分析-风险计算-渗透测试-模型更新”的闭环工作流。这个循环过程使得系统模型能够根据渗透测试中获取的新证据(如新发现的开放端口、服务)不断被修正和丰富,从而驱动威胁模型和渗透测试计划变得更加精确和全面。
为开展此项研究,作者主要运用了几个关键技术方法。首先是基于属性图数据库Neo4j和查询语言Cypher的MACM形式化定义与实现,包括节点类型、关系模式、属性约束和反模式(Anti-pattern)的严格规定。其次是自动化验证机制,通过编写Cypher查询作为触发器,实时检查模型是否满足所有预定义的语法和语义约束。第三是模型更新自动化,设计了特定的产生式规则(Production Rules),能够将渗透测试工具(如Nmap)的输出报告自动解析并转化为对MACM图模型的更新操作。此外,研究还依赖于一个结构化的知识库(如威胁目录、工具目录、攻击模式库如MITRE CAPEC)来支撑自动化威胁建模和测试计划生成。案例研究的数据来源于一个真实的IoT系统——NVIDIA JetRacer自动驾驶小车及其相关软件生态系统。
初始系统模型
研究人员首先为NVIDIA JetRacer自动驾驶小车系统构建了初始的MACM模型。该模型涵盖了硬件(如Jetson Nano主板、电机)、系统层(如操作系统、固件)、服务(如Jupyter Notebook API、SSH服务)以及网络(如LAN、PAN)等各类资产,并精确刻画了资产间的“托管”(hosts)、“连接”(connects)、“使用”(uses)等关系。此初始模型通过了MACM模式的所有约束检查,确保了其基础结构的正确性。
周期1:固件分析
基于初始模型,ESSecA方法论的自动化流程生成了对应的威胁模型和渗透测试计划。在第一个测试周期中,研究人员针对“固件分析”威胁,使用Binwalk工具对JetRacer的固件镜像进行了分析。成功从固件中提取出文件系统,并识别出内部运行的OpenSSH服务和Jupyter Notebook API等关键组件。这些新发现的服务被作为新的节点,通过预定义的产生式规则自动添加到MACM中,使模型变得更加完整。
周期2:服务发现
在更新后的模型基础上,开始了第二个测试周期。针对“扫描”威胁,使用Nmap网络扫描工具对JetRacer进行端口扫描。扫描结果成功识别出之前已知以及新发现的网络服务(如Tornado Web服务 on port 8888)。同样,这些信息被自动解析并用于更新MACM中的服务节点及其与宿主系统的关系。对比周期1和周期3(即本轮更新后)的模型,可以发现威胁数量从104个增加到120个,可能的攻击路径从192条增加到279条,显著扩大了安全评估的覆盖范围。
周期3:ARP欺骗
在本周期,研究人员针对操作系统资产,选择“毒化”威胁,并执行ARP欺骗攻击。使用Ettercap工具,攻击者成功在局域网内劫持了JetRacer与测试PC之间的通信,为后续的会话劫持攻击创造了条件。此攻击本身虽然成功,但并未发现新的系统资产,因此没有触发MACM模型的结构性更新,这从侧面说明了模型在一定程度上的稳定性。
周期4:会话令牌嗅探
在ARP欺骗建立的中间人攻击位置基础上,研究人员实施“拦截”攻击模式。通过Wireshark等流量分析工具,成功嗅探并捕获了用户通过浏览器与JetRacer的Jupyter服务进行认证时传输的会话Cookie(Session Token)。这一步骤验证了通信信道缺乏加密(如使用HTTP而非HTTPS)所带来的安全风险。
周期5:HTTP会话劫持
最后一个攻击周期利用上一周期窃取的会话令牌,实施“会话劫持”攻击。攻击者简单地将窃取到的会话Cookie值替换到自己浏览器中,便成功地以受害者身份非法访问并控制了JetRacer的Jupyter服务,证明了会话管理机制存在的严重缺陷。此次攻击验证了从信息泄露到未授权访问的完整攻击链。
该研究的结论部分强调,将形式化的MACM模型与迭代式的ESSecA安全评估方法论相结合,能够显著提升复杂系统安全评估的质量和效率。通过案例研究证明,这种模型驱动的迭代方法能够系统地发现初始模型遗漏的资产和威胁,使威胁模型和渗透测试计划随着评估的进行而动态优化,变得更加全面和准确。更重要的是,整个过程中模型的正确性通过自动化验证机制得以保持,避免了人工更新可能引入的错误。讨论部分指出,该方法虽然主要应用于物联网场景,但其基于属性图和形式化约束的核心思想具有普适性,可扩展至云原生、工业控制系统等多种复杂IT环境。然而,该方法目前对于系统运行时动态行为(如自动扩缩容、自适应配置)的建模能力仍有待加强。未来的工作将集中于扩展MACM以描述动态系统特性,并进一步提升从测试到模型更新的自动化程度,最终为实现持续的安全保障提供强有力的理论模型和实践工具。这项研究为应对日益复杂的网络空间安全挑战提供了一条基于严格形式化基础和自动化工具的可行路径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号