Predicción de ciberataques en sistemas industriales SCADA a través de la implementación del filtro Kalman
Resumen
En los sistemas industriales SCADA (Supervisory Control And Data Acquisition), conocer el estado de cada dispositivo permite obtener información de su comportamiento. De esta forma se pueden deducir acciones y conformar estrategias diferentes que ayuden a reducir el riesgo cibernético. En este artículo de investigación aplicada, se presenta un modelo de predicción de posibles ciberataques en un sistema SCADA. Dicha predicción se hace con un filtro Kalman. Un filtro Kalman procesa los eventos de ciberseguridad capturados a través de un sistema de detección de intrusos (aplicado en un sistema de simulación de SCADA) y genera una proyección futura de la probabilidad de que se consolide un ataque. Con esta información, los administradores de sistemas podrán tomar alguna decisión sobre cómo actuar frente a inminentes ataques informáticos. Se realizó una instalación de diferentes componentes tecnológicos y se ejecutaron 3 ataques informáticos al SCADA: (i) posibles escaneos, (ii) robo de información y (iii) sobrescritura de comandos y datos generando Denial of Service o DoS. los eventos de seguridad fueron detectados por un sistema de detección de intrusos y enviados a un software configurado con las características del filtro Kalmanpara entregar como salida las posibles predicciones de ataques. Como resultado, se puede ver cómo a partir de las entradas es posible conocer la probabilidad de que un ataque informático sea exitoso con base en los eventos históricos y las fórmulas aplicadas del filtro.
Referencias bibliográficas
A. R. Almanza J., “XIX Encuesta Nacional de Seguridad Informática Evolución del perfil del profesional de seguridad digital.,” Rev, sistemas, no. 151, pp. 12–41, Jun.. 2019. https://doi.org/10.29236/sistemas.n151a3
Instituto Nacional de ciberseguridad (INCIBE), "Las claves de los últimos ataques en sistemas de control industrial,", 2018. Disponible en: https://www.incibe-cert.es/blog/las-claves-los-ultimos-ataques-sistemas-control-industrial
M. Ramirez, E. Miilán y V. Moreno “Herramienta para programar un controlador lógico programable basado en hardware reconfigurable”. RIELAC, Vol.22, Apr. 2011, pp.65 – 77. Disponible en: http://rielac.cujae.edu.cu/index.php/rieac/article/view/83
A. Romero-Acero, A. Marín-Cano, y E. I. Arango-Zuluaga, “Plataformas de Laboratorio de Bajo Costo Basadas en el Protocolo ZigBee,” TecnoLógicas, pp. 411-423, Nov. 2013. https://doi.org/10.22430/22565337.367
M. Annor- y B. Pranggono, “Development of Smart Grid Testbed with Low-Cost Hardware and Software for Cybersecurity Research and Education,” Wirel. Pers. Commun., vol. 101, no. 3, pp. 1357–1377, Apr. 2018. https://doi.org/10.1007/s11277-018-5766-6
E. Carozo Blumsztein y L. Vidal, “Sistemas SCADA, algunas recomendaciones de seguridad – Parte II,” Revista. Seguridad no. 19 Sep. 2013. Disponible en: https://revista.seguridad.unam.mx/printpdf/2190
D. J. Kalbfleisch, “SCADA Technologies and Vulnerabilities” Dec. 2013, pp. 1- 7. Disponible en: http://www.cs.tufts.edu/comp/116/archive/fall2013/dkalbfleisch.pdf
K. Coffey, R. Smith, L. Maglaras, y H. Janicke, “Vulnerability Analysis of Network Scanning on SCADA Systems,” Secur. Commun. Networks, vol. 2018, pp. 1–21, Mar. 2018. https://doi.org/10.1155/2018/3794603
C.-C. Sun, A. Hahn y C.-C. Liu, “Cyber security of a power grid: State-of-the-art,” Int. J. Electr. Power Energy Syst., vol. 99, pp. 45–56, Jul. 2018. https://doi.org/10.1016/j.ijepes.2017.12.020
L. A. Maglaras et al., “Cyber security of critical infrastructures,” ICT Express, vol. 4, no. 1, pp. 42–45, Mar-2018. https://doi.org/10.1016/j.icte.2018.02.001
P. Liu y T. Liu, “Physical Intrusion Detection for Industrial Control System,” en 2018 IEEE Conference on Communications and Network Security (CNS), Beijing, 2018, pp. 1–2. https://doi.org/10.1109/CNS.2018.8433194
A. Warzynski y G. Kolaczek, “Intrusion detection systems vulnerability on adversarial examples,” in 2018 Innovations in Intelligent Systems and Applications (INISTA), Thessaloniki, 2018, pp. 1–4. https://doi.org/10.1109/INISTA.2018.8466271
R. Teja Gaddam y M. Nandhini, "An analysis of various snort based techniques to detect and prevent intrusions in networks proposal with code refactoring snort tool in Kali Linux environment," en 2017 International Conference on Inventive Communication and Computational Technologies (ICICCT), Coimbatore, 2017, pp. 10-15. https://doi.org/10.1109/ICICCT.2017.7975177
R. E. Kalman, “A New Approach to Linear Filtering and Prediction Problems,” J. Basic Eng., vol. 82, no. 82, pp. 35-45, 1960. Disponible en: http://www.unitedthc.com/DSP/Kalman1960.pdf
C. D. Zuluaga-Ríos, M. A. Álvarez-López y A. A. Orozco-Gutiérrez, “A comparison of robust Kalman filtering methods for artifact correction in heart rate variability analysis”, TecnoLógicas, vol. 18, no. 34, pp. 25-35, Jan. 2015. https://doi.org/10.22430/22565337.213
F. Baker y S. Thennadil, “Constrained Kalman Filtering: Improving Fused Information Retention During Constraining,” en 2019 24th International Conference on Methods and Models in Automation and Robotics (MMAR), Międzyzdroje, Poland, 2019, pp. 434-437. https://doi.org/10.1109/MMAR.2019.8864655
Python Software Foundation “Python.org.” Disponible en: https://www.python.org/
Honeynet.org, "CONPOT – Low interaction serverside ICS honeypot," 1990 - 2019 Accessed: 11-Nov-2019. Disponible en: https://www.honeynet.org/projects/active/conpot/
A. Jicha, M. Patton, H. Chen “SCADA honeypots: An in-depth analysis of Conpot.” En 2016 IEEE Conference on Intelligence and Security Informatics (ISI) Tucson. 2016 pp. 196-198. https://doi.org/10.1109/ISI.2016.7745468
MushMush Foundation Revision 1891107c “Welcome to Conpot’s documentation!” — Conpot 0.6.0 documentation.” Disponible en: https://conpot.readthedocs.io/en/latest/index.html
Siemens 2008, “SIMATIC - Manual del sistema de automatización S7-200”. Número de referencia del manual: 6ES7298--8FA24--8DH0. Disponible en: http://www.west-l.com/uploads/tdpdf/s7-200_esp_man.pdf
Cisco, “SNORT Sotfware”, 2019.. Accessed: 11-Aug-2019. Disponible en: https://www.snort.org/documents
Barnyard2, “Bbarnyard2 Configuration.” Disponible en: https://github.com/firnsy/barnyard2
Oracle Corporation, “MySQL Workbench versions 5.6”, 2020. Disponible en: https://www.mysql.com/
S. A. Tovar Balderas Conpot: honeypot de sistemas de control industrial” Revista .seguridad, no 29. Jun. 2017. Disponible en: https://revista.seguridad.unam.mx/numero29/conpot-honeypot-de-sistemas-de-control-industrial
F. A. Alhaidari and E. M. AL-Dahasi, "New Approach to Determine DDoS Attack Patterns on SCADA System Using Machine Learning," en 2019 International Conference on Computer and Information Sciences (ICCIS), Sakaka, Saudi Arabia, 2019, pp. 1-6. https://doi.org/10.1109/ICCISci.2019.8716432
A. E. M. AL-Dahasi y B. N. Abbas Saqib, "Attack tree Model for Potential Attacks Against the SCADA System," en 2019 27th Telecommunications Forum (TELFOR), Belgrade, Serbia, 2019, pp. 1-4. https://doi.org/10.1109/TELFOR48224.2019.8971181
G. MeeraGandhi, “Machine Learning Approach for Attack Prediction and Classification using Supervised Learning Algorithms”. Int. J. Comput. Sci. Commun Vol. 1, no. 2, Jul. 2010, pp. 247-250. Disponible en: http://csjournals.com/IJCSC/PDF1-2/51..pdf
T. Abdelghani, "Industrial control systems (ics) security in power transmission network," en 2019 Algerian Large Electrical Network Conference (CAGRE), Algiers, Algeria, 2019, pp. 1-4. https://doi.org/10.1109/CAGRE.2019.8713289