29 августа 2012
Систематизация проблемы метаданных и аспекты систем безопасности
Перспективные системы безопасности в контексте инструментария метаданных
Часть 5
Метаданные предполагают как дополнительные возможности для систем безопасности, так и создают ряд проблем для существующих и перспективных систем безопасности. Выделим некоторые проблемы, а также дадим оценку о возможных методах борьбы с ними.
1. Основная проблема, связанная с активным использованием метаданных, состоит в создании технологии пиринговой сети вирусных «червей», собирающих информацию по принципу распределенного интеллекта, составляя на базе метаданных системный образ среды и собирая информацию до полноты образа, соответствующего цели. Нужно понимать, что информация такими системами все равно будет собрана адаптивной сенсорной сетью и всегда (!) можно найти необходимый объем информации, это вопрос времени и подхода. Собранная информация будет характеризоваться только мерой нечеткости (системный показатель на основе меры Ягера) и степенью полноты.
Рассмотрим проблему на примере. Например, мы имеем распределенную систему безопасности в виде вычислительной ткани устройств, обслуживаемых на уровне облака, то есть две вычислительные ткани – физическую и логическую.
Рис. 7. – Иллюстрация паразитного мониторинга
Как говорилось, в таких системах фактически информация находится в сети в открытом доступе, это одна из проблем облачных структур. Имея инструменты логической вычислительной ткани, можно подключиться к внешней системе безопасности, к одному из уровней вычислений или нескольким, и получать абсолютно объективную информацию об интересующих объектах наблюдения, используя чужие мощности.
Например, системы «Безопасный город» также предполагают широкие возможности для несанкционированного электронного наблюдения за объектом, используя городскую систему видеонаблюдения. Функциональность таких систем будет ограничена функциональностью самих embedded-устройств, в данном случае камер. Но для успешного изъятия может быть использован протокол OnVif, который и обеспечит необходимую часть функциональности и видеоаналитики.
Для любой внешней логической смарт-сети, используемой с целью паразитного мониторинга (рис. 7), гораздо проще использовать готовые метаданные, чем оцифровывать – при оцифровке растет вычислительная нагрузка на вычислительную ткань, падает производительность и растут риски обнаружения за счет более ощутимого паразитного трафика.
Также нужно понимать, что исключение метаданных из своих систем наблюдения все равно не даст желаемого результата, только немного увеличит вычислительную нагрузку внешних сетей наблюдения, использующих чужой физический слой сенсоров для собственных целей. Как вы понимаете, основная вычислительная нагрузка может лечь на кластерный слой сервиса типа DaaS.
Отсутствие слоя виртуализации над слоем физических сенсоров, чем фактически является логическая вычислительная ткань на базе виртуальных сенсоров, это только ограничение функциональности внутренней сети, но только не возможностей электронной разведки. Используя уже на сегодняшний день популярные встроенные методы управления динамической нагрузкой (flexible network), паразитная система вполне может адаптировать собственную нагрузку под условия сканирования и самосворачиваться с целью избежания обнаружения.
Характер вторжения в систему безопасности может быть разный. Например, внешняя сеть может отключить часть сенсоров, изменить метаданные при их наличии в коммуникации системы, запустить алгоритм, имитирующий согласованные действия сенсоров, но не соответствующие действительности и т.д. Это может быть реализовано как на уровне перехвата трафика, так и на уровне изменения логики слоя виртуализации – логической вычислительной ткани.
Методы борьбы. Наиболее оптимальным методом борьбы будет создание специального протокола обмена данными и реализации защиты на уровне архитектуры системы мониторинга, обладающей, по крайней мере, одной физической вычислительной тканью и одной логической. В этих условиях слой виртуализации системы безопасности с расширением метаданных должен обладать собственной функциональностью для сканирования не только внешнего пространства объектов наблюдения, но и внутренней среды на предмет вторжения и несанкционированного изъятия информации из ткани.
Эффективным методом защиты в сетях с метаданными будет защита на уровне протокола, а также логика метаданных, не позволяющая собрать образ среды. Такой подход увеличит риски обнаружения паразитной сети за счет необходимости в более значительных вычислительных мощностях для паразитной сети.
Востребованные системы. Как мы все понимаем, системы наблюдения войдут в нашу жизнь и будут широко применяться на бытовом уровне. Именно такие системы не будут обладать соответствующим уровнем защиты. Производители различных систем безопасности могут предлагать методы защиты бытовых и персональных систем наблюдения, как физического слоя, так и слоя виртуализации. Эти предложения будут достаточно востребованы.
Расширение функциональности мобильных устройств также потребует адекватных методов защиты от несанкционированного сканирования персональных и (!) биометрических данных в бытовых сетях. Очевидно, что подобной функциональностью будет обладать новое поколение антивирусных систем, которые по своему функционалу будут напоминать системы безопасности, предполагающими расширенную персональную функциональность на базе, в том числе, биометрических датчиков, встроенных в мобильные устройства.
2. Вторая проблема состоит в накоплении нежелательного цифрового следа и цифровой тени, эта информация многократно копируется и клонируется.
Цифровой след (Digital Footprint) – это то, что создает человек, работая в сети и публикуя в ней информацию в виде текстов, фотографий, видеофайлов, и любую другую персональную информацию.
Цифровая тень (Digital Shadow) состоит из публичной информации, а также из конфиденциальных данных, которые при низком уровне защиты часто оказываются в открытом доступе. Тень создается электронной почтой, различными отчетами, накапливаемыми финансовыми данными в платежных и корпоративных системах, отчетами систем видеонаблюдения и другими документами.
Системы информационного мониторинга на базе метаданных могут использоваться универсально. Сбор информации может стать предметом коммерческой услуги по удалению из сети паразитного объема данных об определенном человеке, событии, компании, причем данная услуга может предоставляться как однократно, так и в режиме реального времени.
В противном случае паразитное накопление подобных данных позволит накапливать целые досье о каждом человеке, о событии или компании. В будущем будут актуальны надстройки, обеспечивающие защиту внутреннего трафика корпоративных систем от паразитного сканирования, а также фоновое сканирование действий сотрудников на рабочем месте с целью контроля утечки конфиденциальных и коммерческих данных. Подобные системы могут применяться в качестве систем внутреннего аудита различного назначения.
Литература:
- Перспективные классы систем безопасности. Прогноз, Sec.ru. - http://daily.sec.ru/publication.cfm?pid=34018, 2012.
- Edward A.Feigenbaum and Pamela McCorduck, The Fifth Generation: Aritficial Intelligence and Japan’s Computer Challenge to the World, Michael Joseph, 1983. ISBN 0-7181-2401-4
- Global Internet Traffic Projected to Quadruple by 2015, http://newsroom.cisco.com/press-release-content?type=webcontent&articleId=324003
- Cisco® Visual Networking Index (VNI) Forecast (2010-2015), http://www.cisco.com/en/US/netsol/ns827/networking_solutions_sub_solution.html#~forecast
- Луговой А.В., Зеленцова Ж.Ю. «Эра мегаданных. Состояние и эволюция мирового информационно-вычислительного пространства». Випуск 1/2012 (72). Частина 1. -http://www.nbuv.gov.ua/portal/Natural/Vkdpu/2012_1_1/36.pdf.
- Chandler Harris, «Data Centers Face Growth Challenges», InformationWeek, May 20, 2011. – http://www.informationweek.com/news/hardware/data_centers/229600034, 2012-02-28.
- Д.Н. Ушаков «Большой толковый словарь современного русского языка»
- Fabric Computing: Gartner’s view for the future of the datacenter. Juniper Networks. - http://forums.juniper.net/t5/The-New-Network/Fabric-Computing-Gartner-s-view-for-the-future-of-the-datacenter/ba-p/75820.
- Луговой А.В., Зеленцова Ж.Ю. «Подходы и принципы разработки гибридного облака системы мониторинга с многомерными объектами исследования». Вестник университета № 6'2011. – Кременчуг: Национальный политехнический университет им. М.Остроградского, 2011.
