🥇Öppet verktyg för nätverksövervakning med IoT-enheter

Vi förklarar vad IoT Inspector är och hur det fungerar.

/ фото PxHere PD

Om säkerheten för sakernas internet

Enligt konsultföretaget Bain & Company (PDF, s.1) förväntas IoT-marknaden fördubblas mellan 2017 och 2021: från 235 till 520 miljarder dollar. Av denna summa beräknas gadgets för smarta hem komma att utgöra 47 miljarder dollar. Expertens oro över denna tillväxt är tydlig.

uttalandet enligt Avast, i 40 % av fallen har åtminstone en smart enhet en kritisk sårbarhet som äventyrar hela hemmets nätverk. I Kaspersky-laboratoriet har man funnit, att under det första kvartalet förra året utsattes smarta gadgets för tre gånger fler attacker än under hela 2017.

För att skydda smarta enheter utvecklar IT-företags och universitetsanställda nya programverktyg. Ett team av ingenjörer från Princeton University skapat en öppen plattform, Princeton IoT Inspector. Det är en skrivbordsapplikation som övervakar beteende och funktionalitet hos IoT-enheter i realtid.

Hur systemet fungerar

IoT Inspector spårar aktiviteten hos IoT-enheter i nätverket med hjälp av tekniken ARP-spoofing. Den kan användas för att analysera enheternas trafik. Systemet samlar in anonym information om nätverkstrafiken för att identifiera misstänkt aktivitet. Vid detta beaktas inte uppgifter som IP- och MAC-adresser.

Vid sändning av ARP-paket används följande kod:

class ArpScan(object):

    def __init__(self, host_state):

        assert isinstance(host_state, HostState)

        self._lock = threading.Lock()
        self._active = True

        self._thread = threading.Thread(target=self._arp_scan_thread)
        self._thread.daemon = True

    def start(self):

        with self._lock:
            self._active = True

        utils.log('[ARP Scanning] Starting.')
        self._thread.start()

    def _arp_scan_thread(self):

        utils.restart_upon_crash(self._arp_scan_thread_helper)

    def _arp_scan_thread_helper(self):

        while True:

            for ip in utils.get_network_ip_range():

                time.sleep(0.05)

                arp_pkt = sc.Ether(dst="ff:ff:ff:ff:ff:ff") / 
                    sc.ARP(pdst=ip, hwdst="ff:ff:ff:ff:ff:ff")
                sc.sendp(arp_pkt, verbose=0)

                with self._lock:
                    if not self._active:
                        return

    def stop(self):

        utils.log('[ARP Scanning] Stopping.')

        with self._lock:
            self._active = False

        self._thread.join()

        utils.log('[ARP Scanning] Stopped.')

Efter att ha analyserat nätverket fastställer IoT Inspector-servern med vilka webbplatser IoT-gadgets utbyter data, hur ofta de gör det och i vilka volymer paket skickas och tas emot. Som resultat hjälper systemet till att identifiera misstänkta resurser som kan skicka personliga uppgifter utan användarens vetskap.

Applikationen fungerar för närvarande endast på macOS. Du kan ladda ner zip-arkivet från projektets webbplats. För installation behövs macOS High Sierra eller Mojave och webbläsaren Firefox eller Chrome. Applikationen fungerar inte i Safari. Installations- och konfigurationsguiden finns på YouTube.

I år lovade utvecklarna att lägga till en version för Linux, och i maj — en applikation för Windows. Källkoden för projektet är på GitHub.

Potential och nackdelar

Utvecklarna säger att systemet ska hjälpa IT-företag att hitta sårbarheter i mjukvaran för IoT-enheter och skapa säkrare smarta enheter. Verktyget kan redan nu upptäcka sårbarheter relaterade till säkerhet och prestanda.

IoT Inspector hittar enheter som utbyter data för ofta, även när ingen använder dem. Verktyget hjälper också till att upptäcka smarta enheter som saktar ner nätverket, till exempel som laddar ner uppdateringar för ofta.

IoT Inspector har fortfarande nackdelar. Eftersom applikationen är experimentell har den inte testats på alla IoT-enheter med olika konfigurationer. Därför kan själva verktyget påverka prestandan hos smarta enheter negativt. Av denna anledning rekommenderar författarna att man inte kopplar applikationen till medicinska enheter.

Just nu fokuserar utvecklarna på att åtgärda buggar, men i framtiden planerar Princeton-teamet att utöka funktionaliteten i sin applikation och införa algoritmer för maskininlärning. Dessa kommer att öka sannolikheten för att upptäcka DDoS-attacker till 99%. Du kan ta del av alla idéer från forskarna i denna PDF-rapport.

Andra projekt inom IoT

En grupp amerikanska utvecklare, som samarbetar med Danny Goodman, författare av böcker om JavaScript och HTML, skapar ett verktyg för att övervaka ekosystemet för internet of things — The Thing System.

Projektets mål är att förena smarta hem IoT-enheter i ett enda nätverk och centralisera styrningen. Utvecklarna säger att enheter från olika tillverkare ofta inte kan interagera med varandra och arbetar separat. För att lösa problemet har initiativtagarna skapat programvara som kan fungera med olika nätverksprotokoll, enheter och klientapplikationer.

Listan över stödda enheter finns på projektets webbplats. Här kan man också hitta källkod och en snabbstartguide.

Ett annat öppet projekt är PrivateEyePi. Initiativets skapare delar med sig av programlösningar och källkod för att skapa ett personligt IoT-nätverk baserat på Raspberry Pi. Webbplatsen erbjuder ett stort antal guider som gör det möjligt att bygga ett trådlöst nätverk av sensorer för temperatur, och luftfuktighet, samt konfigurera ett säkerhetssystem för hemmet.

/ фото PxHere PD

Framtiden för sådana lösningar

Det dyker allt oftare upp öppna projekt, bibliotek och ramverk på IoT-marknaden. Linux Foundation, som också arbetar inom IoT (de skapade operativsystemet Zephyr), hävdar att verktyg med öppen källkod anses vara mer skyddade. Denna uppfattning grundar sig på att deras utveckling involverar den 'kollektiva intelligensen' hos expertgemenskapen inom cybersäkerhet. Av allt detta kan man dra slutsatsen att projekt som IoT Inspector kommer att dyka upp allt oftare och hjälpa till att göra denna segment av enheter mer skyddad.

Inlägg från Första bloggen om företags-IaaS: