[1]Изобретение относится к области компьютерных систем, а именно к обнаружению аномалий в работе устройства умного дома на аппаратном уровне.
[2]Известен способ использования модели IoT-устройства для определения аномалий в работе устройства патент (№ RU2772072 опуб. 16.05.2022). Способ покрывает большой спектр уязвимостей в системах умного дома и IoT. Изобретение предлагает решение проблем безопасности для IoT-устройств на разных уровнях: на уровне самого устройства, уровне сети, на уровне инфраструктуры.
[3]Способ опирается на использования модели IoT-устройства для определения аномалий в работе устройства, в котором определяют новое устройство; получают данные об устройстве для формирования профиля; создают свёртку устройства на основании профиля; выбирают из базы данных свёрток свёртку, схожую с созданной свёрткой; если существует известная модель, то используют уже известную модель поведения устройства, связанную с выбранной свёрткой, в ином случае собирают данные в профиле устройства для создания и обучения модели устройства и последующего использования обученной модели, при этом использование модели предполагает определение аномалий в работе устройства.
[4]Данное изобретение обладает следующими недостатками:
[5]Система слишком тяжеловесна для маломощных устройств, то есть тех устройств, у которых не хватит ресурсов поддерживать заданные конфигурации, протоколы. В связи с этим, предложенный способ невозможно внедрить в системы, работающие на более низком уровне. Устройства, связанные со сбором данных или коммуникацией, датчики, брокеры.
[6]1. Система защиты находится внутри рабочей системы, то есть при атаке на целевую систему, будет атакована и защитная система, что снижает отказоустойчивость систем умного дома и IoT.
[7]2. Нет аппаратной защиты, то есть если устройство подвержено к примеру «импульсной атаке по питанию» для перескока проверки пароля или других нужд злоумышленника, такую атаку невозможно определить, используя этот способ, так как устройство не изменит алгоритм вложенных в него действий.
[8]Известен способ обнаружения несанкционированного использования сетевых устройств ограниченной функциональности из локальной сети и предотвращения исходящих от них распределённых сетевых атак (патент № RU2703329 опуб. 19.05.2022).
[9]Основная идея предлагаемого способа заключается в том, что аномальная активность может быть обнаружена самим сетевым устройством ограниченной функциональности в режиме реального времени с помощью встроенного в его ПО классифицирующего модуля, способного выделять аномалии в признаках сетевого трафика, выходящие за пределы области признаков разрешённого сетевого взаимодействия устройства, заранее заложенной в классификаторе. Данное изобретение обладает следующими недостатками:
[10]1. Большое количество дешёвых устройств не имеет своей операционной системы, что делает невозможным использование данного способа защиты от сетевых атак.
[11]2. Дополнительная нагрузка на маломощные устройства не является хорошим решением, так как это увеличит износ устройства.
[12]Известен Способ оценки степени износа IoT-устройства со стороны элемента сетевой инфраструктуры (№ RU2703329 опуб. 16.10.2019).
[13]Способ оценки степени износа IoT-устройства со стороны элемента сетевой инфраструктуры содержит этапы, на которых: собирают данные о работе устройства; формируют отчёт о работе устройства на основании собранных данных; вычисляют степень износа устройства с помощью модели износа на основании сформированного отчёта. Далее вычисляется, выше ли степень износа порогового значения данного устройства и определяются дальнейшие действия.
[14]Данное изобретение обладает следующими недостатком - если устройство не выходит из строя и показатели в норме, то такая система не сможет определить тенденцию к износу устройства так как ведётся работа с API устройства и сетевым трафиком, а не с фактическими показателями устройства.
[15]Технической проблемой заявляемого изобретения является разработка способа обнаружения аномалий в работе устройства умного дома на аппаратном уровне.
[16]Технический результат заключается в использовании параллельной системы защиты для обнаружения аномалий в работе устройств умного дома. Так как система локально отделена от основной системы умного дома, нет возможности влиять на неё и на умный дом одновременно, что повышает отказоустойчивость системы.
[17]Решением поставленной задачи является создание локальной сети, которая будет параллельна для сети умного дома, то есть каждое устройство будет соединено с контроллером безопасности. Каждый из контроллеров безопасности будет соединён с сервером, тем самым организуется локальная сеть для анализа устройств. Далее контроллер отправляет показатели устройства на сервер. На сервере по полученным данным обучается модуль, далее вычисляются погрешности прогноза этого модуля, и он запускается для работы над этим устройством в режиме реального времени.
[18]Изобретение поясняется на Фиг. 1, изображающей схема работы способа.
[19]Важность работы именно с аппаратной частью контроллера обоснована тем, что информация об показателях самого устройства даст возможность обнаружить атаку на контроллер раньше, за счет анализа нагрузки устройства.
[20]Важность решения данной задачи связана также с тем, что в промышленные области все больше добавляются умные системы датчиков, выход из строя одной области может повлечь неправильную работу целого сектора.
[21]Основной особенностью предлагаемого способа является аппаратная оболочка вокруг системы умного дома или предприятия. Нет необходимости, иметь определённое устройство с определённым количеством памяти или внутренних возможностей, устройства не будут нагружаться в параллель своей полезной нагрузки. Так как сейчас имеется огромный рынок компаний, производящих дешёвое, низкокачественное оборудование, с постоянными обновлениями, сложно уследить и принять необходимые меры внутри системы, так как злоумышленники обладают полной информацией о таких устройствах. Но в совокупности с этим способом можно ограничить как физическое воздействие на устройства, так и многие сетевые атаки, так как это будет заметно на снимаемых показателях.
[22]Несколько явных киберугроз контроллеров, которые с лёгкостью будут обнаружены данным способом:
[23]- DDoS-атаки, при увеличении нагрузки на процессор, температура процессора начнёт расти.
[24]- Смена прошивки, если через OTA контроллер был перепрошить, его сигнатура изменится.
[25]- Импульсные атаки по питанию, фаззинг, обход пароля и др.
[26]- Физический доступ злоумышленника к контроллеру.
[27]Основным недостатком такого способа является необходимость определённых модулей в составе контроллера для анализа: WiFi-модуль, АЦП не ниже 10 бит.
[28]Основной оптимизацией является использование контроллера, в котором уже есть подобные модули, тем самым уменьшив размер устройства, его потребление и определив точный порядок передачи данных.
[29]Для анализа используются следующие показатели:
[30]1. Температура. Для считывания температуры необходимо иметь доступ к процессору, для установки термодатчика, либо доступ к внутри процессорному термодатчику.
[31]2. Ток. Для считывания тока необходимо иметь доступ к контакту общей земли контроллера, там будет последовательно подключён низкоомный резистор (далее шунт), что будет считывать все что уходит в землю с платы. Измеряя напряжение в точке между платой и шунтом, можно получить напряжение и высчитать потребляемый ток микроконтроллером.
[32]3. Напряжение. Для считывания напряжения нужно иметь доступ к двум контактам, общей земле и питанию контроллера.
[33]Каждое из устройств подразумевает TCP клиент, которые отправляет данные зашифрованными пакетами, для проверки подлинности. Пакет представляет собой сформированную строку для csv таблицы: «временная метка, параметр1, параметр2, параметр3». На сервере формируется таблица из таких строк, после чего происходит обучение модели. Каждый модуль работает отдельно от остальных, это значит, что у каждого устройства он свой и обучается отдельно от других, что позволяет расширять систему для более большого количества устройств.
[34]Предлагается следующий способ обнаружения аномалий в работе устройств умного дома:
[35]1. Ожидание и подключение нового устройства
[36]2. Получение данных от контроллера
[37]3. Верификация и преобразование данных в дата сет для обучения
[38]4. Обучение модели прогнозирования состояния и проверка погрешности
[39]5. запуск модели для анализа устройства
[40]Таким образом, разработанный способ обеспечивает безопасность любым маломощным устройствам без нагрузки на само устройство.
[41]В итоге разработанная система в будущем поможет унифицировать все маломощные, дешёвые устройства и дать возможность использовать их в больших промышленных зонах без риска производственных аварий или возможных негативных событий при их эксплуатации.
