مبتدی (مناسب برای درک مفهوم کلی مطلب) 

1) ویژگی‌هایVANET مربوط به توپولوژی شبکه و حالت ارتباطات:
• شبکه بی‌کران و مقیاس‌پذیر: VANET را می‌توان در یک یا چند شهر و حتی برای کشورها پیاده‌سازی کرد. بنابراین نیاز به همکاری و مدیریت برای برآوردن نیازمندی‌های امنیتی دارد.
• ارتباطات بی‌سیم: اتصال گره‌ها و تبادل اطلاعات بین آن‌ها، از طریق کانال‌های بی‌سیم انجام می‌شود. بنابراین نیاز به ارتباطات امن دارد.
• تحرک بالا و تغییر سریع توپولوژی شبکه: گره‌ها در حال حرکت با سرعت بالا / تصادفی هستند که پیش‌بینی موقعیت و توپولوژی شبکه را مشکل می‌کند. بنابراین افزایش حریم خصوصی موجب عدم قطع ارتباط، نوسانات و دستکاری می‌شود. که فاقد حیاتی نسبتا طولانی (به‌عنوان مثال، رمز عبور) است که برای ارتباطات امن وسایل نقلیه غیرعملی است. تحت این محدودیت‌ها، تاخیر انتشار هشدار باید مهم شمرده شود. عملکرد خوب تاخیر با استفاده از رمزنگاری سریع الگوریتم یا با تصدیق موجودیت و تحویل پیام در زمان مورد نیاز است. برای این کار، اولویت‌بندی پکیج داده و روش ازدحام از اهمیت بالاتری برخوردار است؛ داده‌های مربوط به ایمنی ترافیک و بهره‌وری باید سریع ‌تر از موارد دیگر باشد.
• علاوه بر قابلیت اعتماد، حمل و نقل بین لایه‌های شبکه برای پشتیبانی از زمان واقعی و برنامه‌های کاربردی چندرسانه‌ای پیشنهاد شده است.
2) ویژگی‌هاVANET مربوط به وسایل نقلیه و رانندگان:
• قدرت پردازش بالا و انرژی کافی: گره‌های VANET هیچ مسئله‌ای با منابع انرژی و محاسبات ندارند. آنها انرژی خود را در قالب باتری و قدرت پردازش بالا برای اجرای محاسبات پیچیده رمزنگاری دارند.
• حفاظت بهتر فیزیکی: گره‌های VANET از نظر فیزیکی بهتر محافظت می‌شوند. که این مسئله مقایسه به لحاظ فیزیکی را دچار مشکل می‌کند. بنابراین تاثیر حملات زیرساخت را کاهش می‌دهد.
• زمان شناخته شده و موقعیت: بسیاری از وسایل نقلیه مجهز به GPS هستند چرا که بسیاری از برنامه‌های کاربردی بر موقعیت جغرافیایی و یا منطقه تکیه دارند. GPS برای محلی‌سازی و محافظت امن از محل گره در برابر حملات استفاده می‌شود.
• اکثریت شرکت‌کنندگان صادق هستند: فرض می‌شود اکثر رانندگان برای یافتن تهدید خوب و مفید عمل می‌کنند.
• زیرساخت‌های اجرایی قانون: از طریق مأموران اجرای قانون، آنها می‌توانند تهدید وارد بر سیستم را شناسایی و مورد حمله قرار دهند.
• ثبت مرکزی با تعمیر و نگهداری دوره‌ای و بازرسی: وسایل نقلیه با قدرت مرکزی ثبت می‌شوند و شناسه منحصر به فرد (پلاک) دارند. تعمیر و نگهداری دوره‌ای وسایل نقلیه برای به روز رسانی سیستم عامل و نرم‌افزار است. در PKC (رمزنگاری کلید عمومی)، تعمیر و نگهداری برای به روز رسانی گواهینامه‌ها، کلیدها و به‌دست آوردن CRL جدید (لیست ابطال گواهی) است.
به‌طورخلاصه، شبکه وسایل نقلیه، تعامل بین رفتار رانندگان و همکاری توسط آنان در شبکه است. کاوش در یک راه‌حل امنیتی باید تمام موارد مرتبط را بیابد. پس از ارائه ویژگی‌های VANET، جزئیات چالش‌های امنیتی و محدودیت‌های VANET در بخش بعدی بررسی خواهد شد.

2.2 چالش‌های امنیتی و محدودیت‌های VANET
در VANET، امنیت باید تضمین کننده‌ی پیام‌های اضافه شده و یا اصلاح شده توسط مهاجمان باشد. همچنین، قابلیت اعتماد رانندگان برای اطلاع محیط ترافیک در درون محدودیت زمانی ضروری است. چالش‌های امنیتی منحصر به فرد به‌دلیل ویژگی‌های متمایز VANET افزایش می‌یابد. بدرفتاری این چالش‌های امنیتی منجر به بسیاری از محدودیت‌ها می‌شود. برخی از این چالش‌های امنیتی در زیر بیان شده است:
• اندازه شبکه، ارتباط جغرافیایی، تحرک بالا و توپولوژی پویا، مدت اتصال کوتاه، قطع فرکانس‌های کم‌حجم [1،2]: اندازه شبکه می‌تواند از لحاظ جغرافیایی بیکران و بسیار مقیاس‌پذیر و بنا به نفوذ استانداردهای لازم برای آن در حال رشد باشد.
• تایید اطلاعات با قابلیت اعتماد: اعتماد به‌عنوان طبیعت VANET برای ایجاد انگیزه و جمع‌آوری اطلاعات از سایر وسایل نقلیه و RSUs لازم است [7]. از این رو این تبادل اطلاعات تکراری است و باید قابل اعتماد و یکپارچگی آن مورد تأیید باشد. قابلیت اعتماد اطلاعات بیشتر از تایید توسط گره‌های انتقال مفید است [2].
• توزیع کلید: مکانیزم‌های امنیتی بر روی کلید، به توزیع مهم آنها بستگی دارد.
• الگوریتم حمل‌ونقل: چالش مربوط به تعداد بسته‌های منتقل شده و یافتن بهترین مسیر است. که ارتباط تک پخشی، پخش فراگیر، V2V، V2I یا ترکیبی است.
در حالی که برای محدودیت VANET و یا نیازمندی‌ها [1]، می‌توانیم موارد زیر را بیان کنیم:
• کنترل برخورد و ازدحام: توجه به اندازه شبکه محصور شده ضروری است.
• تحمل کم به هنگام وقوع خطا: برخی از پروتکل‌ها براساس احتمالات است و هر گونه خطایی می‌تواند بر زندگی مردم تأثیر گذارد.
• تاثیر محیطی: موانع موجب انتشار امواج مغناطیسی[1] می‌شود.
• تجزیه و تحلیل خطر و مدیریت: گاهی اوقات می‌توانیم راه‌حل حملات را پیدا کنیم اما پیدا کردن مدل‌ها بنا به رفتار مهاجمان هنوز غیرمعلوم است.
• Anonymity، حفظ حریم خصوصی و مسئولیت: گره‌های مسئول دریافت داده‌ها نیاز به اعتماد به فرستنده دارند. حفظ حریم خصوصی، هویت خودرو ناشناس را تضمین می‌کند. گاهی اوقات گره‌های تصدیق شده می‌توانند مسائل مالی داشته باشند. بنابراین، یک راه‌حل تجاری برای حفظ حریم خصوصی و مسئولیت موردنیاز است.
اگر سرویس‌های امنیتی ارائه شده در بخش بعدی را بهتر مدیریت کنیم این چالش‌های امنیتی و محدودیت‌ها را می‌توان به حداقل رساند.

2.3 نیازمندی‌های امنیتی (خدمات)
سرویس‌های امنیتی موجب افزایش امنیت پردازش‌ها و تبادل اطلاعات در VANET می‌شود. نیازمندی‌های امنیتی عبارتند از:
• احراز هویت: تضمین می‌کند که این پیام توسط یک کاربر قانونی با استفاده از گواهی تولید می‌شود. یا گیرنده، فرستنده پیام را از طریق یک نام مستعار شناسایی می‌کند [8].
• دردسترس بودن: با مقاومت در برابر حملات داس (انکار سرویس)، از عملکرد طبیعی اطمینان حاصل می‌کنیم. زیرا تاخیر چند ثانیه‌ای باعث می‌شود پیام بی‌معنی گردد [4].
• محرمانه: شامل مجموعه‌ای از قوانین است که موجب محدودیت‌ دسترسی به منابع خاص می‌شود. این مسئله با استفاده از رمزگذاری و یا تبادل پیام ویژه بین OBUs و RSUs به‌عنوان نوعی تأیید اطلاعات انجام می‌گیرد [9].
• انکارناپذیری: فرستنده نمی‌تواند ارسال یک پیام را انکار کند. بنابراین می‌تواند پس از آسیب به دستگاه بازیابی(TPD) شود [4].
• صداقت: بدون تغییر برای داده. امضای دیجیتال برای پیام و تمامیت داده‌ها [3،10] استفاده می‌شود.
• حریم خصوصی و Anonymity: مخفی کردن هویت کاربر در برابر گره‌های غیرمجاز با استفاده از کلید موقت و ناشناس. بنابراین حریم خصوصی محل باید حفظ شود.
• بررسی داده: برای از بین بردن پیام‌های نادرست است. تایید انسجام داده‌ها با پیام‌های مشابه برای تشخیص صحت داده‌ها استفاده می‌شود، به خصوص در بین وسایل نقلیه همسایه.
• کنترل دسترسی: تمام گره‌ها با توجه به قوانین عمل می‌کنند [11].
• قابلیت ردیابی و انفصال: هویت واقعی خودرو باید از دیگران پنهان شود، بنابراین باید یک جزء با توانایی به‌دست آوردن هویت واقعی وسایل نقلیه برای لغو استفاده از آنها در آینده وجود داشته باشد.
• تشخیص خطا: برای تشخیص خرابکاری و انتقال نادرست.
• شناسایی مسئولیت: مسئولیت‌ شناسایی کاربر به هنگام ارتباطات. پیام‌ها می‌توانند برای شناسایی کاربران مورد استفاده قرار گیرند.
• انعطاف‌پذیری و بهره‌وری: انعطاف‌پذیری در امنیت معماری و طراحی سیستم قابل توجه است. هر چند که برای استفاده ایمن از ترافیک ضروری است و نیاز به زمان و پهنای باند کمتری دارد. این مسئله در راندمان کانال و در تاخیر کم ناشی از آن بسیار مهم است.
پس از تعریف و تجزیه و تحلیل نیازمندی‌های امنیتی، آنها را در جدول 1 براساس نیاز آنها در ارتباطات VANET، برای V2V، V2I یا هر دو نشان دادیم. برای حالت ارتباطات VANET، پیش‌نیازهای آن برای خدمات امنیتی را تعریف می‌کنیم.

3. مدل مهاجم
استقرار یک سیستم امنیتی برای VANET یک مسئله چالش‌برانگیز است. در واقع، طبیعت بسیار پویا با قطع مکرر ارتباط، ورود و خروج آنی وسایل نقلیه، استفاده از کانال‌های بی‌سیم برای پیام‌های اضطراری و ایمنی، VANET را در معرض تهدیدها و حملات مختلف قرار می‌دهد. در این بخش حملات را طبقه‌بندی می‌کنیم، مهاجمان و تجزیه و تحلیل حالت‌های ارتباطی VANET را تحت تاثیر قرار می‌دهد.

3.1 حملات
بسیاری از محققان در [2،3،5،7،9،10،23] حملات در VANETs را بررسی کردند. طبقه‌بندی این حملات مفید است زیرا ماهیت VANET آسیب‌پذیری‌ها و محدودیت‌هایی دارد که نیاز به راه‌حل دارد. با تقسیم، می‌توانیم بهتر کنترل کنیم.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

آزمایش ما: مرور کلی
برای اطمینان یابی از اینکه کاربران درایوهایی که روی زمین پیدا می کنند به ابزار متصل می کنند، آزموایش سطح کلان انجام دادیم که در آن حدود 300 فلش درایو در محوطه دانشگاه ایلینویس در فضای اربانا-چمپین انداختیم. در این هجوم، فایل های مورد انتظار را در درایو با فایل های اچ.تی.ام.ال جایگزین نمودیم که حاوی تصویر نهادینه در سرور مرکزی بود که به ما اجازه می داد پیگیری کنیم که درایو به کجا متصل شده است. پی بردیم که کاربران تا 98 درصد درایوها را برداشتند و 45 درصد درایوها به رایانه متصل شدند. به علاوه حمله بسیار آنی بود به طوری که اولین درایو یافت شده ظرف شش دقیقه پس از زمان انداختن به ابزار متصل گردید. مغایر با عقیده عمومی، ظاهر درایو این احتمال را افزایش نداد که فرد آن را به رایانه خود متصل سازد. در عوض، کاربران همه انواع درایو ها را به ابزار متصل نمودند مگر اینکه روش تعیین محل صاحب آن وجود نداشت که نشان می داد بسیاری از شرکت کنندگان انگیزه از خود گذشتگی داشتند. به هر حال، هر چند برخی کاربران ابتدا درایو را با انگیزه از خود گذشتگی متصل نمودند، حدود نیمی از انها تحت تثیر کنجکاوی واقع شده و ابتدا فیل های فریبنده را از جمله عکس های مسافرت، را باز کردند قبل از اینکه سعی کنند صاحب درایو را بیابیند. برای درک بهتر انگیزه کاربران، این انتخاب را برای کاربران پیشنهاد دادیم که نظرسنجی کوتاهی را کامل کنند هنگامی که درایو را متصل نمودند. اکثر انها بیان داشتند که درایو را متصل نمودند تا صاحب آن را بیابند یا اینکه از سر کنجکاوی بوده است هر چند عده کمی اقرار نمودند که برنامه ریزی کرده بودند که درایو را نزد خود نگه دارند. دانشجویان و کارکنان که درایو را متصل کرده بودند، چندان سواد رایانه ای نداشتند و تفاوت عمده ای با هم نظیران خود نداشتند. هنگامی که تحریک شدند، 68 درصد از شرکت کنندگان بیان نمودند که آنها هنگام اتصال درایو هیچ گونه احتیاطی به خرج ندادند. از افرادی که این کار را کردند، 16 درصد درایو را با نرم افزار انتی ویروس خود اسکن کردند و 8 درصد معتقد بودند که سیستم عامل یا نرم افزار امنیت از آنها محافظت خواهد نمود. در پایان، چند نفر از شرکت کنندگان که احتیاط کردند این کار را به طور ناکارامد انجام دادند و اکثر آنها به هیج وجه احتیاط نکردند.
ما از هیئت بازبینی موسسه ای دانشگاه ایلینیوس تاییدیه را دریافت نموده و صحه گذاشتیم و با سهامداران عمده (واحدهای فناوری اطلاعات، قانونی و ایمنی عمومی) ضمن طراحی آزمایش رو به رو شدیم. ما به طور خودکار هر نوع کد را روی سیستم شرکت کنندگان اجرا نکردیم و فقط توانستیم داده ها را جمع آوری کنیم اگر شرکت کنندگان روی فایل های فلش درایو دو بار کلیک می کردند. از شرکت کنندگان اطلاعاتی کسب گردید و فرصت کشیدن درایو را به آنها دادیم.

آیا درایوهای یو.اس.بی هنوز تهدید آفرین اند؟
بسیاری از ویندوزهای مایکروسافت دیگر به طور خودکار کدهای دلخواه را اجرا نمی کنند، هنگامی که درایو یو.اس.بی متصل می گردد که بسیاری از حملات سنتی مبتنی بر یو.اس.بی را از بین می برد. به هر حال، اتصال یو .اس.بی درایو هنوز خطر عمده ای به بار می آورد. سه گروه جامع حملات موثر یو.اس.بی وجود دارد :مهندسی اجتماعی، کلاه برداری و تخریب اطلاعات.
ساده ترین نوع حمله مهندسی اجتماعی بوده که در ان درایو هر نوع کد اتصالی را اجرا نمی کند اما در عوض کاربر نهایی را فریب می دهد که فایل درایو یو .اس.بی را باز کند. فایل های روی درایو می توانند حاوی اسب تروجان یا محتوی اچ.تی.ام.ال بوده که تلاش دارند به اسناد محرمانه دست یابند. ساده ترین نوع حمله از جانب درایورها به دو دلیل اتفاق می افتد: مهاجم می تواند از درایو های خریداری شده از فروشگاه استفاده کند و حمله متکی بر یافتن آسیب پذیری های سیستم عامل نباشد. به هر حال، اعتبار آنها نیز در حد مینیمم بوده و بسیار به چشم می آیند چون متکی بر کاربر نهایی اند که فایل ها را باز کند بدون اینکه شک و تردیدی داشته باشد. متاسفانه همانطور که در زیر توصیف می کنیم، بسیاری از کاربران فایل ها را در درایو بدون هر نوع عکس العمل باز می کنند.
حمله پیچیده تر نوع متفاوتی از ابزار یو.اس.بی به نام فلش درایو طراحی می کند. در حالی که درایو یو.اس.بی نمی توانند به طور خودکار کد را اجرا کنند، ابزارهای رابط انسانی یو.اس.بی از جمله صفحه کلید و مووس نیاز به تایید و صحه گذاری کاربر ندارند. این بدان معناست که اگر ابزار یو.اس.بی خود را به عنوان صفحه کلید شناسایی کند، آن می تواند بلافاصله ضربات کلیدی مخربی القا کند که دستگاه را به مخاطره می افکند. این حمله دشوارتر از حمله مهندسی اجتماعی ساده پیاده سازی می شود چون نیاز به
پیکربندی ابزار سطح پایین برای جوله نمایی ابزار رابط انسان دارد تا به طور فیزیکی ابزار را به عنوان درایو یو.اس.بی درست کند و نوسانات سیستم عامل را کنترل کند.
به هر حال این مسئله به طور قابل ملاحظه با دسترسی اخیر خرده کنترل گرهای مبتنی بر آردونیو راحت تر شده است که توسعه سطح پایین را میسر می گردانند. شکل 1 خرده کنترل گر طراحی شده تینزی را نشان می دهد که پوسته وارون در ویندوز و سیستم عامل مک دارند و دستورات باش یا پاورشل مورد نیاز را در پس زمینه «تایپ می کند». ابزارهای خارج از قفسه این نوع همچنین در دسترس هستند، هر چند آنها به طور عمده هزینه آنها بیش از درایوهای یو.اس.بی خریداری شده در فروشگاه است. هنوز شدت این روش بیشتر از حمله مهندسی اجتماعی است اما می تواند به راحتی از سوی هکر حرفه ای انجام گردد.
پیچیده ترین نوع حمله یو.اس.بی موردی است که در آن ابزار یو.اس.بی آسیب پذیری معروف در سیستم عامل میزبان یا سخت افزار را هدف قرار می دهد. این هجوم های «سرسخت» به دشوار قابل تشخیص بوده و اغلب نیاز به اجراء وقت گیر دارند که آنها را در اکثر محیط ها قابل استفاده می گرداند. به هر حال، اگر مهاجم بتواند به هجوم سرسخت دست یابد، محافظت دربرابر این هجوم به طور باورنکردنی دشوار است. خط مشی های سیستم عامل را می توان از کار انداخت و محافظت کمی وجود دارد که مدیران می توانند فراتر از اختلال در بخش های یو.اس.بی در پیش گیرند.
هر یک از سه هجوم دارای معایب و مزایای خود اند. اجرای حملات مهندسی اجتماعی جزئی بوده اما متکی بر کنجاوی کاربر اند. از طرفی دیگر، حملات شدید، به دشوار قابل تشخیص بوده اما محافظت عمده در برابر آنها تقریبا غیر ممکن است. ابزارهای کلاهبرداری رابط انسان به مخاطره منطقی دست می یابند؛ آنها را می توان با مواد در دسترس راحت درست کرد و نیاز به تعامل کاربر ندارند پس از اینکه ابزار متصل گردید.

بخشی از مقاله انگلیسی:

Our Experiment: An Overview

To measure whether users will connect drives they find on the ground, we conducted a large-scale experiment in which we dropped nearly 300 flash drives around the University of Illinois at Urbana-Champaign campus.2 In the a ack, we replaced expected files on the drive with HTML files that contained an embedded image hosted on a central server, allowing us to track when the drive was connected without automatically executing any code. We found that users picked up 98 percent of the drives, and 45 percent of the drives were connected to a computer. Furthermore, the a ack was expeditious, with the first drive being connected within six minutes from when it was dropped. Contrary to popular belief, the appearance of a drive didn’t increase the likelihood that someone would connect it to their computer. Instead, users connected all types of drives unless there were other means of locating the owner— indicating that many participants were altruistically motivated. However, although users initially connected the drive with altruistic intentions, nearly half were overcome with curiosity, first opening intriguing files—such as vacation photos—before trying to find the drive’s owner. To better understand users’ motivations, we offered participants the option to complete a short survey when they connected the drive. Most stated that they connected the drive to locate its owner or out of curiosity, although a handful also admitted that they had planned to keep the drive. The students and staff who connected the drives weren’t computer illiterate and weren’t significantly different from their peers. When prompted, 68 percent of the participants stated that they took no precautions when connecting the drive. For those who did, 16 percent scanned the drive with their antivirus software and 8 percent believed that their OS or security software would protect them. In the end, all but a handful of the participants who took precautions did so ineffectively, and the majority took no precautions at all. We submitted and received approval from the University of Illinois Institutional Review Board and met with key stakeholders (IT, legal, and public safety departments) while developing the experiment. We didn’t automatically execute any code on participants’ systems, and we were only able to collect data if participants double-clicked files on the flash drives. Participants were debriefed and provided with an opportunity to withdraw.

Are USB Drives Still a Threat?

Microsoft Windows no longer automatically executes arbitrary code when a USB drive is connected,3 which defeats many traditional USB-based attacks.4,5 However, connecting a USB drive still poses significant risk. There are three broad categories of effective USB attacks: social engineering, spoofing, and zero-day. The simplest type of attack is social engineering, in which the drive doesn’t execute any code on connection but instead tricks the end user into opening a file on the USB drive. The files on the drive can contain a Trojan horse or can simply be HTML content that attempts to phish for credentials. These are the easiest type of attack drives to create for two reasons: an attacker can use store-bought drives, and the attack doesn’t rely on finding OS vulnerabilities. However, they’re also the least reliable and most conspicuous because they rely on the end user to open files without becoming suspicious. Unfortunately, as we describe below, many users will open the files on a drive without any prompting. A more complex attack disguises a different type of USB device as a flash drive. While USB drives can no longer automatically execute code, USB human interface devices (HIDs)—such as keyboards and mice—don’t require user confirmation. This means that if a USB device identifies itself as a keyboard, it can immediately inject malicious keystrokes that compromise the machine. This attack is more difficult to deploy than a simple social engineering one, because it requires configuring a low-level device to emulate an HID, physically disguising the device as a USB drive, and handling OS variations. However, this has been made considerably easier by the recent availability of Arduino-based microcontrollers that facilitate low-level development. Figure 1 shows a disguised Teensy microcontroller that will open a reverse shell in Windows and Mac OS by “typing” out the requisite BASH or PowerShell commands in the background. Off-the-shelf devices of this type are also available, although they cost significantly more than store-bought USB drives. The bar is still higher than a social engineering attack but can be accomplished easily by a determined hacker.6 The most complex type of USB-based attack is one in which the USB device exploits a known vulnerability in the host OS or hardware. Such “zero-day” attacks are difficult to find and expensive to purchase, and frequently require time-consuming implementation, which makes them unlikely to be used in most settings. However, if an attacker can acquire a zero-day, such an attack is incredibly difficult to protect against: OS policies can be bypassed, and there’s little protection that administrators can take beyond disabling USB ports altogether. Each of the three attacks has its set of advantages and disadvantages. Social engineering attacks are trivial to implement but rely on user curiosity. On the other extreme, zero-day attacks are difficult to acquire but nearly impossible to centrally protect against. HID spoofing devices achieve a reasonable compromise: they can be built using readily available materials and don’t require user interaction after the device has been plugged in.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مرورگر های محبوب، مانند گوگل کروم، موزیلا فایرفاکس و اپرا، از استاندارد های ذخیره سازیِ وب برای ذخیره ی داده ها در حافظه ی نهان بهره می برند. ذخیره سازی وب را می توان به عنوان بخشی از HTML5 معرفی کرد که توسط اتحادیه ی (کنسرسیوم) جهانی وب(W3C) استاندارد سازی شده است. ذخیره سازی وب شامل دو بخش عمده می شود: ذخیره سازی محلی و جلسه ی ذخیره سازی، که به ترتیب رفتار مشابهی مانند کوکی های ماندگار و جلسه ی کوکی ها از خودشان نشان می دهند. جلسه ی ذخیره سازی تا باز شدنِ صفحه ی وب، منابعِ وب را ذخیره می کند. در موردِ ذخیره سازی محلی، تا زمانی که مرورگر بسته است، حافظه ی نهان تولید شده بر روی دستگاه ها باقی می ماند]55[.
در هر دو محیطِ کامپیوتر های شخصی و دستگاه های تلفن همراه، ذخیره سازی وب امنیت بیشتری نسبت به حافظه ی نهان مرورگر بومی دارد. با توجه به W3C، ذخیره سازی وب اگر به درستی اجرا شود، می تواند برای ذخیره ی اطلاعات حساس کاربر استفاده شود]55[.در دستگاه های اندروید، ذخیره سازی وب معمولا از حافظه ی داخلی دستگاه استفاده می کند(مانند داده/داده/ نام بسته/ فهرست راهنما(دایرکتوری)). بنابراین، این موارد ذخیره شده در حافظه ی نهان نمی توانند به غیر از برنامه مالک توسط هیچ کاربر و برنامه ی دیگری مورد دسترسی قرار گیرند.
با این حال، ذخیره سازی وب توسط حجم حافظه ی نهان محدود می شود. برای استفاده ی عمومی، W3C توصیه می کند که از حجم ذخیره سازی 5مگابیت در هر وب سایت استفاده شود، اما این حجم می تواند در هنگام اجرا بر روی دستگاه های تلفن همراه کاهش یابد. مرورگر های سبک معمولا برای بهبود سرعت بارگذاریِ مرورگر بر روی حافظه های نهان بزرگتر تکیه می کنند. بنابراین، این مرورگر ها اغلب مقدار زیادی از داده های حافظه ی نهانِ خارج از ذخیره سازی وب را در ذخیره سازیِ خارجی انبار می کنند(مانند کارتِ SD).
در دستگاه های اندروید، حافظه ی داخلی به طور کلی برای داده های برنامه، امنیت ذخیره سازیِ محلی بیشتری در نظر گرفته است، چرا که، به طور پیش فرض، داده های ذخیره شده تنها می توانند توسط برنامه ی خالق مورد دسترسی یا تغییر قرار گیرند. در مقایسه، هر گونه منابعِ ذخیره شده در ذخیره سازیِ خارجی توسط هر برنامه ای که اجازه ی READ_EXTERNAL_STORAGE را دارد، می توانند مورد دسترسی، تغییر یا حذف قرار گیرد]16[.

3. کار مربوطه
امنیت وب(نرم افزار) دارای تحقیقات متمرکزی در چندین سال بوده است]40[. مرورگرهای رایانه های شخصی، لپ تاپ ها و دستگاه های تلفن همراه، قوانین اساسی برای بارگذاری صفحات وب و ارتباط با سرورها را به اشتراک می گذارند. بنابراین، متون موجود در مورد امنیت مرورگر تمایل به تمرکز بر روی مرورگر های “سنتی” دارد (برای رایانه های شخصی و لپ تاپ ها)، و همچنین تمرکز بر روی امنیت شبکه های دیگر و یا بر روی تشخیص وب سایت های مخرب است(نگاه کنید به ]18،19،21،24،50[).
در سال 2014، Wadka، Misha و Dixit یک “سیستم پاسخ” را ارائه دادند که روشِ کار آن نظارت بر روی جلوگیری از نشت اطلاعات از مرورگر است]53[. “سیستم پاسخ” یک رابط بین برنامه ی مرورگر و هسته ی سیستم عامل(لینوکس) است، که در طول اجرایِ روندِ مرورگر استناد می کند. محققان یک لایه ی میانی بین هسته و لایه ی برنامه پیشنهاد کردند که “سیستم پاسخ” را کنترل می کند و اطلاعات شخصی که در طول مرور به بیرون درز پیدا می کند را فیلتر می کند.
Virvilis و همکارانش] 52[ تاثیراتِ روش فیلترینگِ لیست سیاه در مرورگر ها را ارزیابی کردند که برای جلوگیریِ کاربران از دیدن صفحه های وب مخرب طراحی شده است. در تحقیق مرتبطی دیگر، Amrutkar و همکارانش] 2[ یک مدل تهدید را ارائه کردند، که این مدل امکان کشف ضعف های معماری بر روی دستگاه های تلفن همراه و مرورگرها را امکان پذیر می کند. محققین مسیر های حمله، مانند نمایش بالونی، جعل درخواست میان وبگاهی(CSRF) و سرقت از طریق کلیک کردن(ClickJacking) را نشان دادند، که می توانند برای فیشینگ یا به طور مستقیم برای سرقت اطلاعات از دستگاه های کاربران استفاده شوند(جدول2).
اخیرا در سال 2015، Amrutkar، Traynor و van Oorschot ]3[ شاخص های امنیتیِ(بر اساس دستورالعمل امنیتیِ W3C-]46[) مورد استفاده در مرورگر های محبوب تلفن همراه را ارزیابی می کنند. برای مثال، آنها این مسئله را بررسی می کنند که آیا مرورگر، هویت صاحب سایت و صادرکننده گواهی نامه را تعیین می کنند یا نه! و همچنین اینکه آیا مرورگر از فیلترِ URL ضد فیشینگ استفاده می کند یا نه! خلاصه ای از این تحقیق برای گوگل کروم و موزیلا فایرفاکس در جدول 4 ارائه شده است.
مطالعات قبلی، حافظه ی نهان را به عنوان یک مسیر بالقوه به سازش حریم خصوصی کاربر بر روی ارتباطات مرورگر شناخته است]47،6،8[. به عنوان مثال، Bernstein ]7[نشان داد که یک مهاجم می تواند رفتارهای مرورِ وبِ کاربر را توسط محاسبه ی زمان بارگذاریِ محتوا شناسایی کند. از آن زمان، چندین راه حل برای کاهش چنین حمله هایی پیشنهاد شده است]28،30،37[.
مطالعات موجود به طور کلی بر روی حفاظت از اطلاعات کاربران در حالی که آنها داده های خود را در طول شبکه منتقل می کنند، متمرکز است. با توجه به محبوبیت دستگاه های تلفن همراه، مرورگر ها به طور فزاینده ای مورد هدفِ مجرمان سایبری هستند که به دنبال بهره برداری از مسائل امنیتی ذاتی، مانند بهره برداری از مجوز کاربر و مجوز فایل هستند. به عنوان مثال، Hay ]22[ نشان داد که چگونه نقص های امنیتی مرورگرِ Opera میتواند توسط مهاجم برای دزدیدن اطلاعات شخصی کاربر با بهره برداری از مجوز فایل از حافظه ی نهانِ مرورگرِ Opera مورد سوء استفاده قرار بگیرد.
Jia و همکارانش ]26[قدرت امنیتیِ حافظه ی نهان مرورگرِ 5 کامپیوتر و 15 تلفن همراه را مورد ارزیابی قرار دادند تا تعیین کنند که آنها در معرضِ خطرِ مسمومیتِ حافظه ی نهان مرورگر(BCP) در یک مرد در وسط حمله(MITM) هستند یا نه! محققین نتیجه گرفتند که هر 5 مرورگر کامپیوتر و اغلب مرورگر های تلفن همراهِ مورد بررسی در این تحقیق در معرضِ چنین خطری هستند. در کار مربوطه، Jia و همکارانش]27 [یک روش برای شناساییِ موقعیت جغرافیایی کاربر تلفن همراه(مانند کشور، شهرستان و محله) توسط خرناس در حافظه ی نهان مرورگر و اندازه گیری زمان مورد نیازِ حافظه ی نهان مرورگر ارائه کردند. یک رویکرد مشابه توسط Liang و همکارانش]32[ ارائه شده است، که نشان دهنده ی تاریخچه ی مرورِ کاربر است که می تواند با استفاده از زمانی که حمله بیش از حافظه ی مرورگر است ربوده شود.

امنیت ذخیره سازی در اندروید نیز اخیرا مورد توجه محققین بوده. در سال 2015، برای مثال، Liu و همکارانش ]34[ بر روی رفتار های ذخیره سازی داده های برنامه ی اندروید مطالعه کرده اند. آنها داده های ذخیره شده توسط برنامه های ارتباطیِ محبوب را مورد بررسی قرار دادند(مانند ویبو، فیسبوک، اینستاگرام، لاین، اسکایپ و وایبر) برای اینکه تعیین کنند چه مقدار از داده های خصوصی کاربران از این برنامه ها بدون آگاهیِ کاربران توسط مهاجم قابل دزدین است. این مطالعه همچنین نشان می دهد که امنیت اطلاعات خصوصی کاربران وابسته به این است که آیا طراحِ برنامه این اطلاعات را حساس یا غیر حساس تعیین کرده است. داده هایی توسط طراحِ برنامه غیر حساس در نظر گرفته خواهد شد که به منظور اشتراک در حافظه ی ذخیره سازیِ خارجی ذخیره شده باشد، که در دسترس دیگر کاربران هم قرار می گیرد. با این حال، هیچ تعریف یکسانی برای داده های حساس و غیر حساس وجود ندارد. این مسئله نشان دهنده ی این است که در بعضی موارد، شماره تلفن، لیست تماس و دیگر اطلاعات خصوصیِ کاربر به دست آمده از فایل های عمومی به اشتراک گذاشته شده توسط کاربر است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

با در نظر گرفتن تمام این چالش ها و به واسطه تحلیل سناریوهای ابری و بین ابری (جینت، 2010؛ جیسرز،2010؛ ان جی او و همکاران،2011، 2012) ؛ و همچنین پژوهش های مرتبط به کنترل دسترسی برای رایانش ابری (آمازون، 2013؛ برنال برناب و همکاران،2012؛ بسنکورت و همکاران، 2007؛ کالرو و همکاران، 2010؛گویال و همکاران،2006؛ جین و همکاران، 2014؛ ساهای و واتر، 2005، 2005؛ تانگ و همکاران، 2013) ، ما به معرفی روش کنترل دسترسی ویژگی محور چندمستاجری (MT-ABAC) پرداخته، که به مدلسازی ABAC بکارگرفته شده برای الگوی چندمستاجری می پردازیم. هدف از آن نه تنها مدیریت منابع و مدخل ها به صورت انعطاف پذیر و مقیاس پذیر ABAC است، بلکه شامل محدودیت های روش مرتبط به منظور تسهیل همکاری و دادن مجوز میان مستاجران و کاربران در سطوح چندگانه است. این مدل تعمیم یافته برای سناریوهای بین ابری با روش تبادل نشانه گذاری برای ایجاد اعتماد پویا در سطوح پایین تر است. به منظور تسهیل ارزیابی و پیاده سازی روش ویژگی محور، مکانیسم موثری را برای تبدیل عبارات منطقی پیچیده در سیاست ها، به نمودارهای تصمیم فشرده، بکار می گیریم. نمونه اولیه ما در ارتباط با سیستم کنترل دسترسی چندمستاجری برای محاسبات بین ابری ایجاد و تست شده و در پروزه جیسرز ادغام شد. ارزیابی ها نشان داد که سیستم ما دارای عملکرد مناسبی از نقطه نظر تعداد منابع ابری، کلاینت ها و سیاست ها، است.
مابقی مقاله، به صورت زیر بخش بندی می گردد، بخش 2، به بررسی پژوهش های مرتبط با کنترل دسترسی برای رایانش ابری، رمزنگاری براساس ویژگی (ABE) و اختیارات توزیع شده می پردازد. بخش 3، شامل مقدماتی در ارتباط با مدل های اطلاعات ابری و ABAC پایه است. این موضوعات برای تدوین روش مورد نظر ما در بخش 4، بکار گرفته می شوند. مدل پیشنهادی، در بخش 5، تحلیل و ارزیابی می گردد. بخش 6 مکانیسمی را به منظور مدیریت کارآمد شرایط در مدل ما، به بحث می گذارد. همچنین، در بخش 7، مدل خود را برای سناریوهای بین ابری، تعمیم می دهیم. بعد از ان، بخش 8 و 9 حاوی طراحی، پیاده سازی و ارزیابی نمونه اولیه در پروژه جیسرز است. در نهایت، بخش 10، نتیجه گیری مقاله را نشان می دهد.

2. پژوهش های مرتبط
چندین رویکرد و روش در زمینه کنترل دسترسی به مدیریت خدمات ابری مطرح شده است. بر اساس مدل اطلاعاتی مشترک (CIM)، محققاتی چون برنال برناب و همکارانش (2012) و کالرو و همکاران (2010) مدل RBAC را در ترکیب با cim مطرح نمودند. در این پژوهش، دستور تایید شده ای که بر مبنای چهار جزء (صادرکننده، موضوع، مزیت، منابع) تعریف می گردد، به صورت یک قانون با استفاده از زبان قوانین وب معنایی (SWRL) نوشته شده است (هوروک و همکاران، 2004). این قانون سپس توسط استدلال گر DL مد نظر قرار گرفته تا به دستور RDF تبدیل گردد. برنال برنابی و همکارانش (2012) توضیح دادند که این امکان وجود دارد تا از مدل پیشنهادی برای پشتیبانی از خصوصیات RBAC برای کاربران منتفع، استفاده کرد. همکاری های بین مستاجری، توسط اطلاعات بافتی مشترک ارائه شده، به گونه ای که فرد متولی می تواند به تعریف دستورات تاییدی بپردازد. به هر حال، آن ها به پشتیبانی از نمایندگان سطح چندگانه در میان مستاجرها نپرداخته و همچنین تفکیک اعتماد بین مستاجرها محدود است. علاوه بر این، سیستم های ابری با در نظر گرفتن تعداد منابع و موضوعات ( مستاجران و کاربران) و پیچیدگی روش ها با توجه به تعداد دستورات تایید شده، افزایش داشته است، مکانیسم استدلال کننده DL در زمانی که تعداد دستورهای RDFافزایش یابد، می تواند یک مشکل بلقوه باشد. علاوه بر این، از طریق بکارگیری روش OWL DL (SWRL) به عنوان زبان کنترل دسترسی، انعطاف پذیری و بیانگری زبان مربوطه، در مقایسه با زبان هایی همچون XACML، محدود است.
کنترل دسترسی نقش محور چندمستاجری (MT-RBAC)(تانگ و همکارانش، 2013) ، به تعمیم روش RBAC پایه، با مجموعه ای از مدل ها با توجه به ویژگی های مدیریتی، پرداختند. علاوه بر مجوزهای معمول بین مستاجری و عملیات تخصیص نقش، همکاری های بین مستاجری از طریق نقش های اشتراکی به اجرا در می آید. مستاجر اعتباردهنده می تواند به تعریف تمام نقش های مرتبط با مستاجر امانت دار (MT-RBAC0)، نقش های عمومی مشابه برای تمام امانت گیرندگان (MT-RBAC1)، یا نقش های تفکیک شده برای امانت داران مختلف (MT-RBAC2)، بپردازد. در عوض، امانت دار می تواند به پیاده سازی دو فعالیت مدیریتی بپردازد: i) تعیین کاربر در بین کاربرانش و ii) زنجیره نقش در مورد نقش های مشترک. الگوی نمونه، با استفاده از زبان ویژگی محور XACML با الحاق نمایه RBAC به اجرا در آمد. حتی اگر MT-RBAC به حل مشکلات کنترل دسترسی برای فرایند چندمستاجری با استفاده از RBAC بپردازد، ولی دارای مشکلاتی در موضوعات کنونی RBAC در ارتباط با مقیاس پذیری و انعطاف پذیری است. همچنین مدل پیشنهادی شامل محدودیت های روش مورد نظر ما، برای پشتیبانی از جداسازی و جلوگیری از تضاد روش ناست.
جین و همکارانش (2014) ، مدل ABACجین و همکاران (2012) را به سناریو Iaas، تعمیم دادند. در مدل آن ها، مدخل ها؛ به کاربران اصلی خدمات ابری که می تواند به مدیریت زیرساخت مجازی (VI) و مستاجران بپردازند؛ و کاربران اصلی مستاجر که می توانند به پیکره بندی پروفایل خصوصیات و مدیریت کاربران ادمین مستاجر بپردازند؛ کاربران ادمین مستاجر که می توانند به مدیریت کاربران عادی مستاجر بپردازند و در نهایت، کاربران عادی مستاجر که می توانند بر روی منابع ابری فعالیت داشته باشند، تقسیم بندی می شود. با استفاده از زبان روش تعریف شده در نظریه جین و همکارانش (2012) ، نمونه اولیه در سیستم اُپن استَک ادغام شد. اگرچه این روش از ABAC برای پیاده سازی سناریوهای چندمستاجری، استفاده کرده است، مدل آن، از مشکلات تضاد روش در فرایند چندمستاجری، در زمانی که مدخل های چندگانه می توانند به تعریف روش ها بپردازند، آگاه نیست. بنابراین، آن ها شامل جداسازی نشده و محدودیت های را برای سیاست هایی که در رویکرد ما وجود دارد ایجاد کرده، که منجر به حل مشکلات روش تضاد می گردد. علاوه بر این، مدل آن ها به تعریف همکاری بین مستاجرها نمی پردازد.
به منظور حفاظت از داده در محیط برون سپاری همچون محیط های ابری، پژوهش ABE(بتنکورت و همکارانش، 2007؛ گویال و همکاران، 2006؛ ساهای و واترز، 2005) برای امنیت ذخیره سازی برون سپاری مطرح شد، درحالیکه رمزنگاری همریختی (براکرسکی و وایکونتانتان 2011؛ اسمارت و ورکاتران، 2010) مطرح شد تا به تامین امنیت محاسبات بر روی سیستم های متخاصم بپردازد. در روش ABE کلید سیاست (KP-ABE)(گویال و همکارانش، 2006) ویژگی هایی را درخواست داده اند که مرتبط با متنهای رمزگذاری شده بود، و روش ها مرتبط با کلیدهای کاربر بوده است. طرح ABE روش متن رمزگذاری شده (CP-ABE (بتنکورت و همکارانش، 2007) مکانیسمی را ایجاد می کند که امکان ایجاد کلیدهای کاربر را، بر مبنای ویژگی هایشان و سیاست های ویژگی- محور به منظور حفاظت از داده هایی فراهم کرده که مرتبط با متون رمزدار هستند. طرح های ABE به منظور تامین امنیت داده بر روی خدمات ذخیره سازی ابری، توسعه و بکار گرفته شدند (لی و همکاران، 2013؛ یو و همکاران،2010) . اگرچه رمزگذاری همریختی باعث ایجاد قابلیت اعتماد در محاسبات برون سپاری می گردد، کاربردهای ان در رایانش ابری، به دلیل پیچیدگی و عملیات بالاسری همچنان محدود است(نائریگ و همکاران، 2011) . تمام این مکانیسم های نهفته به صورت AEF در چارچوب کنترل دسترسی ISO 10181-3(ISO, 1996)، مد نظر قرار گرفته، درحالیکه پژوهش ما تمرکزش را بر روی موئلفه های تصمیم کنترل دسترسی قرار می دهد. بنابراین، ABE و رمزگذاری نهفته، منطبق با طرح پیشنهادی ما است.
هویت AWS آمازون و مدیریت دسترسی (IAM) (آمازون، 2013) ، ترکیبی از سیستم مدیریت و یک مکانیسم کنترل دسترسی است. به دنبال نام نویسی نسبت به هر یک از محصولات AWS آمازون، برای هر مشتری، یک حساب استیجاری AWS تخصیص داده می شود. سپس، تمام عملیات بر روی محصولات AWS ، محدود به این حساب می گردد. سیستم IAM آمازون، مکانیسمی را برای ایجاد و مدیریت چندین کاربر متصل به حساب استیجاری AWS ، ایجاد می کند. با استفاده از روش های تایید جیسون- استایل که در سمت IAM ذخیره شده، یا در سمت محصولات AWS الحاق می گردد، سیستم IAM می تواند به کنترل فعالیت های کاربری بر روی منابع AWS بپردازد. به منظور تضمین شرایط امنیتی در مورد اعتمادسازی و یکپارچگی، به کاربران، اعتبار امنیتی اختصاصی برای دسترسی به منابع AWS تخصیص داده می شود. به هر حال، زبان روش پشتیبانی در سیستم IAM آمازون، با توجه به سیاست ساده ویژگی محور با خصوصیات RBAC محدود، گویا نیست. دسترسی فراتر از حساب، از طریق ایجاد سیاست سیستم IAM حساب امانت گذار به حساب امانت دار، تعریف می گردد. سپس امانت دار می تواند، مزایای مربوطه را به کاربرانش تخصیص دهد. این روش از همکاری های فراحساب چندسطحی، پشتیبانی نمی کند.
چارچوب مجوز OAuth (دی هارد و رکوردون (2012) ، این امکان را به شخص ثالث می دهد تا به منابع HTTP از طریق تایید صاحب داده، به واسطه نشانه گذاری ها، دسترسی پیدا کند. این چارچوب، پروتکل گردش کار را، برای مجوز توزیع که در حال حاضر در خدمات ابری مختلف بکار گرفته می شود همانند Google APIs و Twitter APIs (رابط برنامه کاربری گوگل و رابط برنامه کاربری توییتر)، فراهم می کند. به هر حال سیستم OAuth 2.0، از هیچ مکانیسم نهفته ای استفاده نکرده بلکه امنیتش بر مبنای HTTPS قرار داده، که این مورد در سناریوهایی که کلاینت از پروکسی ها استفاده می کند یا دارای ارتباط مستقیم با منابع نیست، دارای انعطاف پذیری نیست.
در مقایسه با پژوهش های مرتبط، طرح مورد نظر ما، به حل مشکلات کنترل دسترسی برای چندمستاجری بطور کامل تر می پردازد. ما به تدوین روش ABAC در مدل چندمستاجری از طریق تفکیک و ایجاد محدودیت، به منظور اجتناب تضاد روش پرداختیم. روش ما، همچنین به پشتیبانی از همکاری های انعطاف پذیر بین مستاجرها با سطوح چندگانه اعطای مجوز می پردازد. مدل تعمیم یافته مورد نظر ما برای محاسبات بین ابری، از روش تبادل نشانه هااستفاده کرده که برای MT-ABAC طراحی شده، که به هماهنگ سازی محدودیت ها و پیاده سازی مکانیسم های نهفته به منظور حل توزیع مجوز با در نظر گرفتن موضوعات محدود اعطای مجوز پرداخته که برای روش مورد نظر ما مناسب تر از چارچوب OAuth 2.0 کنونی است.

3. مقدمات
به منظور حل چالش های ذکر شده در کنترل دسترسی برای سیستم های مدیریت منابع ابری، مدل MT-ABAC مورد نظر ما، شامل ویژگی های زیر است.
• تنوع حمایتی موضوعات: نهادهای مختلف قادر به ترکیب سیاست ها برای مدیریت اهدافشان، همانند ارائه دهندگان خدمات ابری، مستاجر ثبت نامی و مستاجر مشترک است.
• کنترل دسترسی ریزدانه ای بر مبنای مدل ABAC
• همکاری های انعطاف پذیر بین مستاجری که این امکان را به مستاجر ها می دهد تا به اشتراک منابع ابری تعهد شده، در سطوح چندگانه بپردازند
• محدودیت های پویای اعمال شده به منظور مدیریت رئش برای چندین فرد ذیصلاح: ما به تعریف محدودیت های تفکیکی و اععطایی به منظور کنترل این امر می پردازیم که آیا روش های بروز شده سازگار با ویژگی های مدیریتی روش چندمستاجری است یا خیر. این تضمین، زمانی که هیچ تضادی در طی ارزیابی زمان اجرا روی نمی دهد، باعث بهبود عملکرد سیستم می گردد. پژوهش های قبلی انجام شده توسط کالرو و همکارانش،2010؛ برنال برناب و همکاران، 2012؛ تنگ و همکاران، 2013؛ جین و همکاران،2013؛ از این ویژگی را مد نظر قرار نداده است.
• سیاست گذاری بر اهداف پویا: در سیستم های ابری، منابع ابری مورد بحث، به عنوان اهداف دادن مجوز است. شناسه های ان در طی مراحل تامین، ایجاد شده، و در پایان مرحله ثبت نام به اتمام می رسدو ارائه دهندگان خدمات ابری به طور اتوماتیک نیازمند تعریف دستور مجوز برای اهداف، بر طبق به ویژگی سلف سرویس درخواستی، است.
• مدل مورد نظر ما، به منظور ادغام با مدل اطلاعاتی منابع تعریف شده که می تواند برای ایجاد سیاست ها، از الگوهای سیاست از پیش تعریف شده، در ترکیب با طرح های خدمات ابری استفاده کند.
در سناریوهای زیر، ابتدائا به تعریف مدل اطلاعاتی مورد استفاده برای مدیریت منابع ابری در سناریو مان در پروژه جیسرز (جیسرز، 2010) و مدل ABAC پایه می پردازیم. بر اساس مدل پایه ABAC، به تعریف مدل MT-ABAC در بخش 4 می پردازیم.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2 . 1 . 2 چشم انداز تهدید سایبری
2.1.2.1 طبقه بندی امکان پذیر. یکی از راه های شروع یک بحث در مورد امنیت شناسایی تهدیدات می باشد ]31[ که باعث چالش آن می شود. این بخش بصورت خلاصه چشم انداز تهدید سایبری معاصر را با استفاده از روش خطی که شامل تهدیداتی از قبیل (i) عوامل تهدید، (ii) ابزارهای تهدید و (iii) نوع تهدید می باشد را شرح می دهد ]32[. لازم به ذکر است که، در حالی که چنین طبقه بندی به منظور بحث زیر مفید است، (هدفی) الگویی جامع از ماهیت بسیار پیچیده و ویژگی های تهدیدات سایبری وجود ندارد.

2.1.2.2 عوامل تهدید. طیف گسترده ای از عوامل خارجی و داخلی امنیت سایبری را تهدید می کنند. عوامل تهدید می توانند پیچیده یا ساده باشند. که عبارتند از دولت های ملی، مجرمان اینترنتی سودجو، سازمان های جنایی، هکر ها (کلاه سیاه، خاکستری یا سفید ]33[)، فعالین هکری، افراط گرایان و گروه های داخلی می باشند. این دسته بندی ها متقابلا منحصر به فرد یا انحصاری نیستند ]34[.
انگیزه های عوامل تهدید بطور قابل توجه ای متفاوت است. عواملی که به دلایل سیاسی می باشند (برای مثال، تخریب، آسیب رساندن، اختلال و یا به دست گرفتن کنترل اهداف، درگیر شدن در جاسوسی سایبری و یا اعتراض سیاسی) ]35[. آنها علاوه براین ممکن است، انگیزه های مالی (برای مثال، سرقت اطلاعات با ارزش شخصی و یا مالی، مانند شماره امنیت اجتماعی و شماره کارت اعتباری که می تواند برای سرقت هویت و غیره استفاده شود ]36[) و همچنین انگیزه های فرهنگی و اجتماعی (برای مثال، درگیر شدن در حملات با داشتن اهداف فلسفی یا اهداف تبلیغاتی، کنجکاوی و غیره) داشته باشند ]37[.

2.1.2.3 ابزارهای تهدید. عوامل تهدید معمولا استفاده از ابزارهای تهدید مشابه می باشد. ابزارهای امنیتی اصلی شامل نرم افزارهای مخرب ]38[ و انواع آن (باج افزارها ]39[، ویروس ها، کرم ها، اسب های تروجان و غیره) و بات نت ها می باشند ]40[.
نرم افزارهای مخرب در رده بندی کلی، بطور کلی اشاره به هر کد یا نرم افزاری دارند که بطور مخفیانه در یک دستگاه بدون اجازه نصب شده باشند. که این مورد شامل کدهای مخرب طراحی شده برای اهدافی مانند آسیب رساندن، اختلال، یا بطور کلی وارد کردن ضربه ای به برخی از انواع داده ها و سیستم و یا شبکه می باشد ]41[. باج افزارها، نوعی از نرم افزارهای مخرب می باشند که دسترسی به دستگاه های آلوده و یا سیستم را محدود می کنند ]42[. در صورت حمله باج افزار، باج افزار سیستم در حال کار با تمام داده ها یا فایل های خاص را از دسترسی خارج می کند]43[. سپس حمله کننده سایبری درخواست باج، یا بطور کلی بیت کوین، برای بازگرداندن سیستم به حالت اول خود می کند]44[. بات نت ها، معمولا شامل سرورهای کنترل و فرمان (C&C) و شبکه های کامپیوتری آلوده شده توسط نرم افزارهای مخرب می باشند که می توانند از راه دور کنترل شوند]45[.
با توجه به گزارش چشم اندازه تهدید سال 2015 ENISA، نرم افزارهای مخرب در سال 2015 تهدیدهای شماره یک به حساب آمدند ]46[. باج افزار، با توجه به گفته کارشناسان صنعت، یک تهدید اصلی می باشد و بسرعت در حال افزایش می باشد ]47[. بات نت ها به عنوان عنصر اصلی در ” مصرف سازی جرم سایبری” (مدل تجاری ” استخدام بات نتر”، که می تواند در حملات بر طبق گزارشات برای USD 38/ بطور ماهانه، بر عدم تناسب مهم بین هزینه های حمله و آسیب های بالقوه تاکید کنند ]48[) پرچم دار می باشند ]49[. به تازگی، بات نت هایی به مهمترین سلاح های برای مجرمان سایبری تبدیل شده اند ]50[. با توجه به تهدیدات، بطور خاص برای اینترنت اشیاء، هر دو برنامه های مخرب و بات نت ها به عنوان تهدیدات در حل ظهور در گزارشات ENISA مطرح شده اند]51[.

2.1.2.4 انواع تهدید. تهدید به امنیت سایبری شامل تهدیدات مربوط به اصلاح اطلاعات یا سوءاستفاده، تخریب اطلاعات، دسترسی غیرمجاز، نقض داده، سرقت اطلاعات و محروم سازی- سرویس (DoS) می باشد ]52[.
اگر چه تمام جنبه های سه گانه سازمان CIA (بخش 2. 1. 1 ) با حملات سایبری تهدید شده است، آزمایشگاه McAfee پیش بینی کرده است که تهدید به یکپارچگی سیستم ها و داده ها یکی از مسیرهای جدید حملات سایبری در سال 2016 را تشکیل می دهد ]53[. به این دلیل که، توسط آزمایشگاه McAfee توصیف شده است، ” قابلیت اعتماد و در دسترس بودن حملات، واضح و روشن است. آنها همه چیز را نقض و داده ها را افشاء کردند- که باعث شرمساری، ناراحتی و برخی ضررها شده است. یکپارچگی حملات مخفی، (و) انتخابی، (. . . ) می باشد. به جای آسیب و یا تخریب به داده های حساس زیاد، بر عناصر خاص در حال تغییر در معاملات (تراکنش ها)، ارتباطات، یا داده هایی برای بدست آوردن سود قابل توجه متمرکز شدند]54[.

2 . 2 اینترنت اشیاء
2.2.1 تعریف و مفهوم
اصطلاح اینترنت اشیاء (IoT) برای اولین بار توسط پیسگام تکنولوژی بریتانیا کوین اشتون در سال 1999 برای توصیف سیستمی که در آن اهداف فیزیکی را می توان از طریق سنسورهایی به اینترنت متصل، نمود ابداع شد]55[.
اگر چه هیچ استاندارد یا تعریف جهانی در موردIoT وجود ندارد، برخلاف امنیت سایبری که تعاریف مختلفی دارد (بخش 2 . 1. 1)، اما اتفاق نظری در مورد مفهوم آن وجود دارد ]56[. به این ترتیب، IoT به ” اصطلاح محبوبی برای توصیف سناریوی هایی که در آن اتصال به اینترنت و قابلیت محاسبه برای انوع مختلفی از اهداف، دستگاه ها، سنسورها و اقلام روزمره ” ]57[ شامل اتومبیل ها، یخچال ها و فریزرها، ترموستات ها، مانیتورهای سلامت و جاده ها تبدیل شده است. بدین ترتیب، اینترنت اشیاء ابعادی از ” هرچیز” را برای اطلاعات و فن آوری های ارتباطات (ICT) جمع آوری می کند، که در حال حاضر ویژگی ” هر زمانی” و ” هر مکانی” به جنبه های عملی ]58[ و به اهدافی مرسوم در ” هوشمند سازی” تبدیل شده است]59[.
تعاریف مختلفی از IoT در حال حاضر به وجود آمده است. تفاوت های مهم میان تعاریف ظاهر شده وابسته به دیدگاه مورد نظر برای بررسی IoT می باشد. با توجه به تعاریفی که اغلب در مورد IoT ذکر شده، IoT ” زیرساخت هایی جهانی را برای جامعه اطلاعاتی در نظر می گیرد و خدمات پیشرفته ای را توسط ارتباط (فیزیکی و مجازی) اشیاء براساس فن آوری های ارتباطی و اطلاعات سازگار در حال تحول و موجود ” اجرا می کند]60[ (تاکید اضافه شده). به این ترتیب، تعریف ITU عمدتا بر ویژگی اتصال IoT بدون هیچ گونه اشاره به اینترنتی متمرکز شده است ]61[.
از نظر اهمیتی، استدلال کوچکی با این واقعیت وجود دارد که تغییر در فن آوری IoT دارای پیامدهای گسترده و مخربی است. انواع مختلف برنامه های کاربردی در حال ظهور در زمینه IoT، بطور فزاینده ای از کارهای روزمره ما به وجود آمده اند]62[. به این ترتیب، صنایع گسترده IoT، حوزه هایی مانند بهداشت هوشمند (برای مثال، نظارت بر بیماران)، حمل و نقل هوشمند (برای مثال، اتومبیل های بدون راننده)، زندگی هوشمند (برای مثال، نظارت بر کودک)، ساختمان های هوشمند (برای مثال ترموستات هوشمند)، مواد غذایی هوشمند (برای مثال، کنترل/ مدیریت زنجره غذایی)، انرژی هوشمند (برای مثال شبکه هوشمند)، صنعت هوشمند (برای مثال، سسنور دما) و حتی شهرهای هوشمند (برای مثال نظارت بر ترافیک) را در بر می گیرد]63[.

تخمین الگوریتم بسیار سریع درخت تصمیم گیری جهت تشخیص نفوذ شبکه

Evaluating Very Fast Decision Tree (VFDT) Algorithm for Detecting Network Intrusion

Abstract

With recent advances in network based technology needs protecting computers and networks which becomes a huge problem. Based on information coming from various response teams a computer was attacked or broken into more than once per second. In this paper, two grains levels intrusion detection system (IDS) is suggested fine-grained and coarse-grained. In normal case the intrusions are not detected, to improve the performance the most suitable IDS level is the coarse-grained. Any intrusion is detected by coarse-grained IDS after that the fine-grained is used to detect the possible attack details. Very fast decision tree (VFDT) algorithm is used in both of these detection levels. In order to ensure efficiency of the proposed model, it has been tested on KDD CUP 99 dataset and a real traffic dataset. Experimental results demonstrate that the proposed model is highly successful in detecting known and unknown attacks

1 Introduction

An intrusion detection system (IDS) inspects all network activity and identifies suspicious patterns that may indicate a network or system attack from someone attempting to break into or compromise a system. With the rapid growth in network, intrusions in computers have increased rapidly. Intrusion Detection System is an essential component of a complete defence-in-depth architecture for network security. It collects and inspects packets, looking for evidence of intrusive behaviours. Whenever intrusive event is detected, an alarm is raised giving the security analyst an opportunity to react promptly. Most of designed IDSs cannot cope with fast networks. Although several IDS systems are available, the common objectives of these systems are to reduce the amount of false alarms, and to recognize new attacks in order to increase detection ratio. In this paper, the concentration is on detecting attacks in fast networks in order to mitigate the influence of the attack by reducing the time gap between the real attack and its detection. This paper contributes to build two grains levels IDS in order to detect abnormal behaviour of network traffic and cope with fast networks i.e. finegrained and coarse-grained. It is well known that the intrusion occurrence in networks with respect to general traffic is rare. These motivate us to build the proposed two grains levels IDS they are fine-grained and coarse-grained. In normal case, where intrusions are not detected, the most suitable IDS level is the coarse-grained to increase performance. At the moment of intrusion is detected by coarse-grained IDS, the fine-grained IDS is used to detect as most as possible of attack details.. The coarse-grained Intrusion Detection System focuses on five packet features while fine-grained Intrusion Detection System works on 20 features. Very Fast Decision Tree (VFDT) algorithm is selected as a fast classifier. The advantages of this system is processing and analysing of high-speed network traffic, discovering and accurately identifying new attacks to reduce the false alarms to an maximum extent, and detecting the intrusion in real time. DARPA KDD CUP 99 dataset is used as a bench-mark for the proposed IDS, which contains 41 features. we analysed these features and selected 20 features having information gain ratio over the average of the dataset. Then, we trained and tested the proposed system.

Centralized Solution to securely transfer Payment Information electronically to banks from Multiple Enterprise Resource Planning (ERP) Systems

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

تجزیه و تحلیل ادبیات قبلی، چالش های مشخصی را در فرایند پرداخت ایجاد کرده که در ذیل فهرست شده اند. زیرساخت متمرکز پیشنهادی برای انتقال امن اطلاعات پرداخت به بانک ها از عهده چالشهای مشاهده شده برمی آید.
3. چالش های رودر روی مدل موجود
الف. اقدام به کلاهبرداری در خلال تراکنش های پرداخت
بنگاه هایی که از چارچوب های ERP بهره می برند، داده های مربوطه را با بانک مبادله می کنند. این تبادل اطلاعات با بانک با استفاده از فایلی انجام می شود که شامل جزئیات پرداخت، مقدار، واحد پول و اعتبارات حساب بانکی می باشد. بیشتر مواقع این داده های منتقل شده مستعد اقدامات کلاهبرداری یا بواسطه تغییر شماره حساب یا تغییر مقدار انتقالی می باشد.

ب. پردازش دستی ناکارآمد
بخش قابل پرداخت حساب در یک سازمان، نقشی حیاتی در تبادل اطلاعات پرداخت تأمین کنندگان یا کارمندان با بانک، ایفا می کند. فرایند پرداخت و تأییدات بعدی می تواند با استفاده از برنامه های کاربردی ERP بطور خودکار انجام شود و اگر بطور دستی صورت گیرد زمان قابل ملاحظه ای طول می کشد. تحقیق گیت پوینت انجام شده توسط تیپالتی [9]، نشان می دهد که 72 پاسخ دهنده بیش از 5 ساعت در هفته وقت صرف تنظیم دریافت کنندگان، انجام و صدور پرداخت ها، حل مسائل مرتبط با پرداخت، و اجرای سایر هماهنگی های مرتبط با پرداخت ها می کنند. این نظرسنجی علاوه براین تخمین زده که 48% پاسخ دهندگان یا گزارش های پرداخت را دستی به بانک ارسال کرده اند یا از اطلاعات چارچوب های ERP بهره گرفته اند. بعد از این فرایند، ارتقاء و روزآمدکردن داده ها، یک کار دستی می شود که نه تنها خطر امکان تقلب را افزایش می دهد بلکه همچنین هماهنگی داده ها را دشوار می سازد. این شیوه های دستی مستعد خطا و سوءتعبیر هستند.
پ. تراکنش های غیراستاندارد از طریق درگاه های پرداخت
چهار تا از پنج بنگاه بخاطر عدم وجود فرایندهای پرداختی استاندارد دارند فعالیتهایشان را در معرض ارائه نادرست اطلاعات پرداخت قرار می دهند [10]. این سازمانها با سطح بالای پیچیدگی متحمل تکثیر هزینه های عملیاتی و تراکنشی هستند. بنابراین علاقه رو به رشدی برای کنترل ها وجود دارد و این مستلزم یک زیرساخت متمرکز با پایه امن برای مبادله داده های پرداخت با بانک می باشد.

ت. روابط و تراکنش های بانکداری چندگانه
پرداخت های بانک به بانک و قابلیت اتصال به بانک با مسائلی مواجه هستند درخصوص چارچوب های واگرای شبکه های ERP چندگانه که تراکنش ها را از بانک های مختلف به هم مرتبط می کنند. این شبکه پرداخت در محیط های بانکداری چندگانه، قویتر و پیچیده تر است. گزارش ارائه شده توسط سانگارد توضیح می دهد که این پیچیدگی باعث شده تراکنش های کسب وکار 25 % سازمانها با بیش از 10 بانک مدیریت پول نقد سروکار داشته باشد، 23% سازمانها بیش از هزاران حساب بانکی را مدیریت کنند [11]. درحالی که 89% سازمانها، فعالیتهای کسب و کارشان را در سرتاسر کشورهای مختلف گسترش داده اند، این خدمات بانکداری بین المللی برای بیش از 55% فعالیتهایی که درآمدی بالغ بر 1 میلیون دلار به بار می آورند به تراکنش های بانکداری الکترونیکی متصل شده اند. از کل تراکنش هایی که بطور بین المللی صورت می گیرد، 29% خدمات بانکداری با گزارش هک شدن داده ها، خدمات جعلی و سوء تعبیر داده ها مواجه بودند [11]. فرصتها برای امنیت و تفسیر دقیق داده ها توسط سازمانها تشخیص داده نمی شود تا تهدیدات امنیتی کاهش یابد.

4. حالت های مختلف پرداخت
اصلی ترین روشهای پرداخت، چک های الکترونیک، خانه های تصفیه خودکار (ACH) و انتقال صندوق های الکترونیکی (EFT) هستند [12]. مطالعه انجام شده توسط سانگارد روی پرداخت های بانک به بانک براساس تجزیه و تحلیل 400 متخصص خزانه داری و امورمالی، نشان می دهد که 15% از پاسخ دهندگان بیشتر از چک های کاغذی استفاده می کنند تا روشهای پرداخت رایج مثل کارت های اعتباری/ بدهی ، ACH و EFT. این سازمانها هنوز از چک هایی استفاده می کنند که با خطرات وخیم کلاهبرداری و تقلب مواجه هستند [11]. شکل 1، سهم استفاده غالب از روشهای پرداخت را نشان می دهد.

الف. چک
یک تجزیه و تحلیل از نظرسنجی انجام شده توسط انجمن متخصصان امورمالی ، چک را برجسته ترین روش پرداخت می شناسد که درمعرض کلاهبرداری و مسبب اتلاف بیشترین مقدار دلار در سال 2014 بوده است. مناسبات بانکیبرای مبارزه با این زیان ها، اصلاح و تحول به راه حل های دیجیتال را با سرعتی کندتر، آغاز کرده است [13]. حداقل کردن استفاده و اعتماد به چک، سوءتعبیر و کلاهبرداری را در فرایندهای دستی کاهش می دهد [14].
پرداخت مثبت یک ابزار تشخیص خودکار است که توسط بانک های پیشرو برای شناسایی فعالیتهای جعلی از طریق تأیید اعتبار شماره حساب، جزئیات مالی، شماره های چک از روی فهرستی از شماره های چک مجاز صادر شده توسط بانک لحاظ شده است.

ب. ACH
کارACH، کنترل سازگاری جریان پرداخت و کاهش ارائه نادرست اطلاعات چک با استفاده از رکوردهای ACH برای پردازش پرداخت به کارمندان، بازگانان، و سایر ذینفعان مربوطه می باشد. ACH، حجم وسیعی از تراکنشات اعتباری و بدهی را مدیریت می کند [15].

ج. EFT
یک فایل پرداخت الکترونیک منفرد از طریق تلفیق سیستم های ERP متفاوت و فرمت های مختلف EDI با پرداخت های چندگانه، داد و ستد می کند.

شناسایی فیشینگ: یک مدل عصبی فازی کارآمد بدون استفاده از مجموعه قوانین

Phishing Identification: An Efficient Neuro-Fuzzy Model Without Using Rule Sets

Abstract

The Internet has brought enormous benefits to mankind, but it could be many potential risks. Internet crimes are growing rapidly, phishing is one of the new type of online crime. Phishing site is a fake-site aimed to steal personal information such as password, banking account and credit card information, etc. Most of these phishing pages look similar to the real pages in terms of interface and uniform resource locator (URL) address. Many techniques have been proposed to identify phishing sites. However, the numbers of victims have been increasing due to inefficient protection technique. In this paper, we develop a neuro-fuzzy model for phishing identification efficiently. The model eliminates the subjective factors to improve efficiency such as if-then rule sets, the parameters of membership functions, etc. Moreover, the efficiency features to identify phishing were used for the neuro-fuzzy model. The effectiveness of the proposed technique is examined with large-scale datasets collected from phishing sites and legitimate sites. The results show that the proposed technique can identify over 99% phishing sites.

1 Introduction

Phisher use a number of techniques to fool their victims aimed to steal personal information including email messages, instant messages, forum post, phone calls and social networking. These activities of phishing cause severe economy loss all over the world. According to Fortune Magazine, in 2011, 83% of Americans and 85% of Europeans regularly shopped online. Meanwhile, phishing sites are also growing rapidly in quality and quantity. Therefore, the risk of stealing user information is extremely high. For of these reasons, identifying phishing problem is very urgent, complex and extremely important problem.

In this paper, an efficient method is proposed to identify the phishing sites that focuses on the features of URL (PrimaryDomain, SubDomain, PathDomain) and Google’s parameters (PageRank, BackLink, GoogleIndex). Then, a proposed neurofuzzy model is a system which reduces the error and increases the performance. The neuro-fuzzy model uses computational models to perform without using if-then rule sets. The proposed technique achieved identification accuracy above 99% with low false signals.

The remainder of this paper is organized as follows: Section II presents the related works. System design is detailed in section III. Section IV evaluates the accuracy of the method. Finally, Section V concludes the paper and figures out the future works.

مسائل امنیتی در سطوح مختلف پارادایم رایانش ابری: یک مقاله مروری

Security Concerns at Various Levels of Cloud Computing Paradigm: A Review

چکیده 
رایانش ابری امروزه به یک شعار در صنعت فناوری اطلاعات تبدیل شده است و سازمان ها به سمت این قطب برای توسعه زیر ساخت آن ها به نرخ ارزان تر جذب شده اند. با این حال، با همه انعطاف پذیری ارایه شده توسط ابر، نگرانی هایی در خصوص امنیت، یکپارچگی، صحت و قابلیت دسترسی اطلاعات ارزشمند کاربران ابری وجود دارد. مکانیسم های حفاظت سنتی باید از نظر کارایی و اثر بخشی خود مجددا در نظر گرفته شوند زیرا مدل سرویس ابری به شدت متمایز از سایر مدل های سرویس های مبتنی بر اینترنتی است. اخیرا، تحقیقات زیادی در امنیت ابری انجام شده اند با این حال تلاش های زیادی در این رابطه نیاز است. چون امنیت ابر یک بعد حساسی است که بر پذیرش تجاری آن اثر گذاشته است. این مطالعه به بررسی سطوح مختلف نگرانی های امنیتی در محیط ابری پرداخته و فهرستی از مکانیسم های موجود را برای رسیدگی به آن ها ارایه می کند.

 1- مقدمه
زیر ساخت به عنوان خدمات (IaaS)، به خصوص ذخیره داده ها، یکی از خدمات مهم ارایه شده توسط رایانش ابری است (CC). کاربران فردی و سازمان های کسب و کار در حال تغییر ذخیره داده ها در مورد ابر به دلیل قابلیت دسترسی آسان و کاهش هزینه ارایه شده توسط آن(1) می باشد. با این حال، ذخیره سازی داده ها در یک سرور از راه دور همانند دادن پول به یک نفر می باشد زیرا در دوره دیجیتال امروزه، داده ها، ستون اصلی پردازش هستند. از این روی با همه انعطاف پذیری ارایه شده توسط ابر، نگرانی های امنیتی مختلف نیز ایجاد شده اند. مسائل امنیتی امروزه یک مانعی برای سازمان های کسب و کار برای تغییر به ابرهای عمومی می باشند(2). اخیرا، توجه زیادی از طرف جوامع تجاری و پژوهشی به توسعه ابزار های امنیتی مهم برای پارادایم ابری صورت گرفته است. برخی از سازمان ها نظیر اتحادیه امنیت ابر (CSA)،آژانس شبکه و اطلاعات(ENISA) [3]، اروپا، گروه قابلیت همکاری رایانش ابری و انجمن چند آژانسی رایانش ابری در حال ارایه کنترل های موثر و کارامد برای ایجاد امنیت اطلاعات در محیط ابری می باشند. برخی از مسائل امنیتی مهم در این حوزه شامل امنیت داده ها، حریم خصوصی، قابلیت دسترسی به منابع، مدیریت اعتماد و غیره می باشد. با این حال، اخیرا تعداد زیادی از محققان روش هایی را برای بهبود امنیت اطلاعات پیشنهاد کرده اند با این حال یک حوزه تحقیقاتی در این رابطه وجود دارد. این مطالعه به بررسی مسائل امنیتی در محیط ابری پرداخته و راه حل هایی را ارایه می دهد. بخش بعدی در خصوص مسائل امنیتی در سطوح مختلف رایانش ابری می باشد. بخش سوم بر راه حل های موجود برای این مسائل تاکید دارد. در نهایت بخش آخر شامل نتیجه گیری بود و مطالعات آینده را شامل میشود.
2- مسائل امنیتی در سطوح مختلف در رایانش ابری
CC پارادایم خدمات مبتنی بر اینترنتی است که در آن کاربران به سطوح مختلف عرضه کننده خدمات ابری از طریق اینترنت دسترسی دارند. وقتی که کاربر وارد ابر می شود و شروع به دسترسی به خدمات مختلف می کند، تبادل اطلاعات بین کاربر و CSP شروع می شود. شکل 1 در زیر یک محیط رایانشی را نشان می دهد
تا جایی که امنیت اطلاعات مبادله شده مورد نگرانی است، ذخیره ابری جای نگرانی ندارد. سطوح متعددی وجود دارد که در آن نقض امنیت رخ داده و صحت اطلاعات به خطر می افتد. شکل 2، در زیر سطوح مختلف مسائل امنیتی را در محیط ابری نشان می دهد.
هر سطح در بر گیرنده نقاط کلیدی در سطوح مختلف است. همه سطوح دارای اهمیت خاص خود بوده و نیاز مند توجه برابری برای اطمینان از امنیت قوی در محیط های ابری هستند. شکل 3 در زیر برخی از سطوحی را نشان می دهد که نیاز مند امنیت با مسائل اساسی مربوطه هستند.

Abstract

Cloud computing has become a buzzword in IT industry these days and organization are getting attracted towards this magnet for expanding their infrastructure at cheaper rates. However, with all flexibility offered by cloud there are concerns about security, integrity and availability of precious information of cloud users. Conventional protection mechanisms need to be reconsidered for their effectiveness, since cloud service model is distinctly different from other internet based service models. Recently, much research efforts are being done in cloud security but still more efforts are desired. Since cloud security is a sensitive dimension affecting its wide commercial acceptance. This work explores various levels of security concerns in cloud environment and lists available mechanism for addressing them.

1. INTRODUCTION

Infrastructure as a Service (IaaS), specifically data storage is one of important services provided by cloud computing (CC). Individual users and business organizations are shifting their data storage on cloud because of easy availability and reduced cost offered by it [1]. However, saving data at a remote server is just like giving your money to someone, since in today’s digital era, data is the backbone of processing. Thus, with all the flexibility offered by cloud, serious security concerns have also been generated. Security concerns are generating hindrance for business organizations to shift entirely into public clouds [2]. Recently, there is increased attention from research and business community towards developing effective security measures for cloud paradigm. Some organization like Cloud Security Alliance (CSA), European Network and Information Agency (ENISA) [3], Cloud Computing Interoperability Group and Multi-Agency Cloud Computing Forum are working towards providing effective and efficient controls to provide information security in cloud environment. Some important security concerns prevailing in this domain are data security, privacy, resource availability, trust management etc. However, recently lot of researchers have proposed techniques for improving information security but still there is scope for research in this direction. This work explores security issues in cloud environment and presents existing solutions for the same. Next section outlines security problems existing at various level of cloud computing. Section 3 focuses on existing solutions for those problems. Finally last section concludes this work and elaborates future research directions.

2. SECURITY ISSUES AT VARIOUS LEVELS IN CLOUD COMPUTINGCONCLUSION

CC is internet based service paradigm where users access various services from Cloud service provider (CSP) through internet. Whenever user logs in a cloud and start accessing various services, information exchange gets started between user and CSP. Figure 1 given below indicates a cloud environment. As far as security of information exchanged is concerned, only cloud storage is not concerned. There are in fact various levels where security breach may take place and integrity of information may be compromised. Figure 2 given below illustrates various levels of security concerns in cloud environment. Every level contains their key points at different levels. All levels have their own importance and need equal attention for ensuring overall robust security in cloud environments. Figure 3 given below highlights various levels requiring security along with concerns underlying.

چالش های فنی، راه حل ها و تحلیل مقایسه ای جرم یابی قانونی ابر 

Cloud forensics: Technical challenges, solutions and comparative analysis

Abstract

Cloud computing is arguably one of the most significant advances in information technology (IT) services today. Several cloud service providers (CSPs) have offered services that have produced various transformative changes in computing activities and presented numerous promising technological and economic opportunities. However, many cloud customers remain reluctant to move their IT needs to the cloud, mainly due to their concerns on cloud security and the threat of the unknown. The CSPs indirectly escalate their concerns by not letting customers see what is behind virtual wall of their clouds that, among others, hinders digital investigations. In addition, jurisdiction, data duplication and multi-tenancy in cloud platform add to the challenge of locating, identifying and separating the suspected or compromised targets for digital forensics. Unfortunately, the existing approaches to evidence collection and recovery in a non-cloud (traditional) system are not practical as they rely on unrestricted access to the relevant system and user data; something that is not available in the cloud due its decentralized data processing. In this paper we systematically survey the forensic challenges in cloud computing and analyze their most recent solutions and developments. In particular, unlike the existing surveys on the topic, we describe the issues in cloud computing using the phases of traditional digital forensics as the base. For each phase of the digital forensic process, we have included a list of challenges and analysis of their possible solutions. Our description helps identifying the differences between the problems and solutions for non-cloud and cloud digital forensics. Further, the presentation is expected to help the investigators better understand the problems in cloud environment. More importantly, the paper also includes most recent development in cloud forensics produced by researchers, National Institute of Standards and Technology and Amazon.

1 Introduction

The advent of cloud computing in recent years has produced major technological advancement in the way Information Technology (IT) services are provisioned and deployed. Cloud computing, which can be used by individuals as well as corporations, continues to grow at remarkable rate due to its many favorable features. Among others, adopting cloud computing users can alleviate big capital investments, replacing them with low cost and more flexible operational expenses, while taking advantage of its speed, agility, flexibility, infinite elasticity and more importantly mobility because services can be accessed anytime from anywhere. The offered features have fuelled a phenomenal growth in cloud services market. Independent studies conducted by organizations, such as the European Network and Information Security Agency (ENISA) and Gartner, predicted a sharp increase in the adoption of cloud computing services by corporate organizations, educational institutions and Government agencies (Gartner, 2014; IEEE, 2014). A study by Market Research Media found that the global cloud computing market is expected to grow at a compound annual growth rate of 30% reaching $270 billion by 2020 (Zawaod and Hasan, 2013). The growth is mainly fuelled by the cost savings and pay per use model offered by cloud computing. A similar case study conducted on cloud migration reported an average cost saving of 37% when organizations move their infrastructures to Amazon EC2 cloud, in addition to potentially eliminating 21% of the support calls, showing compelling reasons to adopt cloud computing (KhajehHosseini et al., 2010). A recent study conducted by RightScale group on the adoption of cloud computing, concluded that cloud adoption reaches ubiquity with 87 percent of the surveyed organizations using public cloud. Amazon Web Services (AWS) leading the cloud adoption at 54 percent (RightScale, 2014).

On the other hand, Cloud Security Alliance (CSA) reported a corresponding growth in cloud vulnerability incidents. Specifically, CSA’s report shows that cloud vulnerability incidents between 2009 and 2011 have more than doubled, with top three cloud service providers (CSPs), i.e., Amazon, Google and Microsoft, accounted for 56% of all non-transparent cloud vulnerability incidents. The report also cited that the number of vulnerability incidents over the past five years has risen considerably (CSA, 2013b). The increasing security incidents in the cloud are caused, among others, by easy user account registration provided by CSPs, unfettered accessibility, and virtually unlimited computing power. In essence, attackers can open bogus accounts to the cloud, use them to carry out their acts, terminate the accounts and disappear into ether once their malicious acts have been performed. Easy access and almost unlimited power of the cloud allow the attackers, using cloud as a platform, to perform their powerful attacks from anywhere in short periods.