Proof of Trust (PoT): A Blockchain-Based Operational Trust Consensus for Sensitive IoT Ecosystems
Questo articolo introduce il Proof of Trust (PoT), un meccanismo di consenso basato su blockchain per ecosistemi IoT sensibili che valida dinamicamente l'integrità operativa dei dispositivi attraverso sfide adattive e specifiche per sessione e un punteggio di fiducia decrescente, ottenendo elevati tassi di rilevamento per dispositivi compromessi e degradati e minimizzando la latenza tramite l'ancoraggio ibrido a registro locale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo industriale, le macchine si parlano costantemente. Un sensore in una fabbrica potrebbe dire a un braccio robotico di muoversi, o un contatore intelligente potrebbe riportare il consumo di energia a una rete centrale. Affinché questi sistemi funzionino in modo sicuro, le macchine devono avere la certezza che il messaggio ricevuto provenga effettivamente dalla macchina che dichiara di essere. Tradizionalmente, questa fiducia veniva stabilita una sola volta, come il controllo di un passaporto alla frontiera. Se le credenziali sembravano valide, la macchina veniva ammessa e autorizzata a operare. Tuttavia, questo vecchio metodo presenta un punto cieco. Non è in grado di dire se una macchina sia attualmente guasta, se il suo software sia in malfunzionamento o se un astuto attaccante abbia intercettato la conversazione fingendosi la macchina stessa. Un dispositivo potrebbe avere un passaporto valido ma essere incapace di svolgere il proprio compito, o peggio, potrebbe essere un dispositivo falso, che reitera messaggi da un attaccante nascosto. In ambienti critici come centrali elettriche o impianti di trattamento delle acque, fidarsi di una macchina solo perché possiede la carta d'identità corretta non è sufficiente; è necessario sapere se sta effettivamente lavorando e se sta dicendo la verità proprio in questo momento.
I ricercatori Mohamed Faraji, Meryeme Ayache e Hanan El Bakkali hanno sviluppato un nuovo sistema chiamato Proof of Trust per risolvere questo problema. Invece di affidarsi a un controllo statico, il loro sistema tratta la fiducia come qualcosa che deve essere misurato continuamente, momento dopo momento. Immaginate una guardia di sicurezza che non si limita a controllare la vostra carta d'identità una volta all'ingresso, ma vi chiede di eseguire un compito specifico ogni volta che entrate in una stanza, per dimostrare chi siete e che siete in grado di svolgere il vostro lavoro. Questo sistema funziona inviando una serie di sfide al dispositivo. Queste non sono domande casuali, ma richieste specifiche basate su ciò che il dispositivo dovrebbe fare. Se il dispositivo è una telecamera, il sistema potrebbe chiederle di ruotare verso un angolo specifico e rispondere di conseguenza. Se è un sensore di temperatura, potrebbe chiedere una lettura che debba corrispondere alla realtà fisica dell'ambiente. Il sistema controlla quindi la risposta rispetto a sei diversi criteri: se l'identità è autentica, se i dati hanno senso fisicamente, se il dispositivo sta effettivamente eseguendo il compito, se il profilo del dispositivo è stato manomesso e se la connessione è diretta e priva di interferenze.
Per rendere questo processo sicuro e trasparente, i ricercatori lo hanno costruito su una blockchain, che funge da registro condiviso e immutabile che registra ogni controllo di fiducia. Ciò garantisce che nessuna singola persona o organizzazione possa alterare la cronologia di quanto accaduto. Il sistema è progettato per essere abbastanza veloce da essere utilizzato in ambito industriale in tempo reale. Utilizza un approccio ibrido in cui la decisione immediata di fidarsi o rifiutare un dispositivo avviene localmente in una frazione di secondo, mentre la registrazione permanente di tale decisione viene scritta sulla blockchain in background. Ciò significa che il flusso di dati non è mai rallentato dalla necessità di attendere un processo di verifica complesso, pur essendo ogni azione registrata permanentemente per audit successivi. I ricercatori hanno testato questo sistema in un ambiente simulato utilizzando cinque diversi tipi di dispositivi industriali, come sensori di temperatura, monitor della qualità dell'aria e valvole industriali. Hanno eseguito 380 sessioni differenti, inclusi scenari in cui i dispositivi funzionavano perfettamente e scenari in cui erano compromessi, guasti o oggetto di impersonificazione da parte di attaccanti.
I risultati hanno dimostrato che il sistema è stato altamente efficace nel individuare problemi che i metodi tradizionali non vedono. Ha identificato con successo ogni singolo caso in cui un dispositivo veniva impersonato o in cui la comunicazione veniva reindirizzata attraverso il server di un attaccante. Ha inoltre rilevato ogni caso in cui l'hardware di un dispositivo stava fallendo, come un controller in surriscaldamento o una cella del sensore guasta. Nelle zone di sicurezza più critiche, dove la posta in gioco è più alta, il sistema ha rilevato il 100 percento dei guasti funzionali, il che significa che sapeva immediatamente quando una macchina smetteva di svolgere correttamente il proprio compito. Anche nelle zone meno critiche, ha rilevato il 95 percento di questi guasti. Il sistema è riuscito anche a individuare cambiamenti lenti e graduali nel comportamento del dispositivo, come un sensore di temperatura che devia leggermente dalla calibrazione nel tempo, un tipo di problema che di solito passa inosservato finché non causa un problema maggiore. L'unica volta in cui il sistema ha commesso un errore è stata in circa il 3,5 percento dei casi, in cui ha segnalato un dispositivo perfettamente sano come sospetto, un tasso che i ricercatori considerano accettabile dato l'alto livello di sicurezza fornito.
Ciò che rende diverso questo approccio è che non si affida a complessi modelli di intelligenza artificiale che richiedono l'addestramento su enormi quantità di dati o che agiscono come una "scatola nera" dove il ragionamento è nascosto. Invece, utilizza regole logiche chiare basate sulle capacità fisiche del dispositivo e sul contesto del suo ambiente. Se una telecamera viene sfidata a scattare una foto a mezzogiorno e restituisce un'immagine nera, il sistema sa che qualcosa non va perché il contesto non corrisponde al risultato. Se una valvola riceve l'ordine di aprirsi e il feedback dice che è ancora chiusa, il sistema rifiuta la fiducia. I ricercatori hanno scoperto che combinando questi diversi controlli, potevano creare un quadro di fiducia molto più robusto rispetto al solo controllo dell'identità. Il sistema rispetta anche i limiti dei dispositivi: non chiede mai a una macchina di fare qualcosa per cui non è certificata, assicurando che il processo di verifica stesso non danneggi l'attrezzatura.
Questo lavoro rappresenta un passaggio dal semplice chiedere "chi sei?" al chiedere "stai lavorando correttamente proprio ora?". Ancorando queste risposte a un registro sicuro e condiviso, il sistema fornisce un modo affinché diverse organizzazioni possano fidarsi delle macchine l'una dell'altra senza dover conoscere il funzionamento interno di ogni singolo dispositivo. I ricercatori hanno dimostrato che questo metodo può essere implementato utilizzando gli esistenti standard di comunicazione industriale, rendendolo un passo pratico per la sicurezza delle complesse reti che gestiscono le nostre moderne infrastrutture. Sebbene i test siano stati eseguiti in una simulazione controllata, i risultati suggeriscono che questo tipo di verifica continua della fiducia operativa potrebbe diventare uno standard per garantire che le macchine di cui ci affidiamo siano non solo identificate, ma realmente affidabili.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.