مروری بر تکنیک های تشخیص نفوذ در محیط ابر

امنیت در عصر جدید محاسبات ابری مورد تقاضا از اهمیت زیادی برخوردار است. محققان، مروری بر تکنیک های تشخیص نفوذ متعدد جهت تشخیص نفوذها در محیط محاسبات ابری فراهم ساخته اند. اکثر آنها به بحث و بررسی تکنیک های تشخیص ناهنجاری و سوءاستفاده سنتی پرداخته اند. تکنیک های خودآزمایی ماشین مجازی (VMI) در تشخیص انواع حملات نهان با مورد هدف قرار دادن فرایندهای سطح کاربر و سطح هسته ی در حال اجرا در ماشین های مجازی با قرار دادن مولفه ی آنالیز در خارج از ماشین مجازی معمولا در هایپروایزر مفید هستند. تکنیک های خودآزمایی هایپروایزر (HVI)، امنیت هایپروایزر را تضمین می کنند و از مورد حمله قرار گرفتن هایپروایزر روی ماشین های مجازی در حال اجرا جلوگیری می کنند. تکنیک های خودآزمایی، هایپروایزر را با استفاده از تکنولوژی های مجهز به مجازی سازی با کمک سخت افزار نظارت می کنند. هدف اصلی این مقاله، ارائه مرور جامع تکنیک های تشخیص نفوذ متعدد پیشنهاد شده برای محیط ابر با آنالیز قابلیت تشخیص حمله است. مدل حمله و طبقه بندی حملات در محیط ابر جهت شناسایی آسیب پذیری های موجود در ابر را پیشنهاد می کنیم. طبقه بندی تکنیک های IDS پیشنهادی ما نشان دهنده ی طبقه بندی برحسب جدیدترین تکنولوژی های به روز است و مطالعه ی کاملی از تکنیک ها همراه با مشخصه های متمایزشان ارائه می کند. ما به بررسی کامل تکنیک های مبتنی بر نظارت ماشین مجازی (VMI) و نظارت هایپروایزر می پردازیم. چالش های پژوهشی جهت ارائه راهکار آتی برای محققان شناسایی شدند. امید است که تحقیق ما این امکان را به محققان بدهد تا به پیاده سازی و راه اندازی راهکارهای تشخیص نفوذ در محیط ابری بپردازند.

کلمات کلیدی: تشخیص نفوذ، امنیت ابر، نظارت ماشین مجازی، نظارت هایپروایزر، حملات ابر

Intrusion detection techniques in cloud environment: A survey

Journal of Network and Computer Applications

Volume 77, 1 January 2017, Pages 18-47

Abstract

Security is of paramount importance in this new era of on-demand Cloud Computing. Researchers have provided a survey on several intrusion detection techniques for detecting intrusions in the cloud computing environment. Most of them provide a discussion over traditional misuse and anomaly detection techniques. Virtual Machine Introspection (VMI) techniques are very helpful in detecting various stealth attacks targeting user-level and kernel-level processes running in virtual machines (VMs) by placing the analyzing component outside the VM generally at hypervisor. Hypervisor Introspection (HVI) techniques ensure the hypervisor security and prevent a compromised hypervisor to launch further attacks on VMs running over it. Introspection techniques introspect the hypervisor by using hardware-assisted virtualization-enabled technologies. The main focus of our paper is to provide an exhaustive literature survey of various Intrusion Detection techniques proposed for cloud environment with an analysis of their attack detection capability. We propose a threat model and attack taxonomy in cloud environment to elucidate the vulnerabilities in cloud. Our taxonomy of IDS techniques represents the state of the art classification and provides a detailed study of techniques with their distinctive features. We have provided a deep insight into Virtual Machine Introspection (VMI) and Hypervisor Introspection (HVI) based techniques in the survey. Specific research challenges are identified to give future direction to researchers. We hope that our work will enable researchers to launch and dive deep into intrusion detection approaches in a cloud environment.