Blockchain-focused Cyber Security for the Detection and Protection of Denial of Service (DoS) Attacks

技術要約：DoS攻撃の検出および防御のためのブロックチェーンに焦点を当てたサイバーセキュリティ

問題提起
本論文は、クライアント・サーバ型ネットワークアーキテクチャにおける、DoS（サービス拒否）攻撃に対する脆弱性の高まりに対処している。ファイアウォール、アンチウイルスソフトウェア、侵入検知システム（IDS）、および既存の人工知能（AI）、機械学習（ML）、ディープラーニング（DL）モデルを含む従来のサイバーセキュリティメカニズムは、不十分であると特定されている。著者らは、これらの従来のシステムは中央集権的な構造に大きく依存しており、それが単一障害点（Single Point of Failure）を生み出し、悪意のある攻撃者にとって魅力的な標的となっていると主張している。さらに、現在のMLおよびDLモデルはDoS攻撃を「検出」する能力は示しているものの、ネットワークの混乱を防ぐために能動的に「保護」または防止する固有の能力に欠けていることが多い。本研究は、限定的なデータセットの使用、狭い攻撃範囲、誤分類の問題（例：UDPとNetBIOSの混同）、および統合された防止メカニズムの欠如を含む、先行研究のギャップを強調している。

手法
本研究は、ブロックチェーン技術を標準的なクライアント・サーバ・ネットワーク層と統合し、分散型の防御システムを構築するハイブリッドフレームワークを提案している。その手法は、以下の主要なコンポーネントで構成される：

1. 概念的フレームワーク： 許可型（Permissioned）ブロックチェーン層が、クライアントのリクエストソースとサーバの間に配置される。この層はフィルタおよびガードとして機能する。すべての着信リクエストは、クライアント・サーバ層に渡される前に、ブロックチェーンネットワークによって認証および検証されなければならない。
2. スマートコントラクトのロジック： 保護メカニズムの中核は、特定の閾値（IPアドレスあたり毎秒1,000リクエストに設定）でプログラミングされたスマートコントラクトに依存している。単一のIPがこの閾値を超えた場合、スマートコントラクトはそれを自動的にDoS攻撃と識別し、当該IPアドレスをブロックする。
3. 機械学習の統合： 検出を最適化するために、著者らは8つの異なるモデル（ANN、CNN、KNN、LSTM、SVM、Random Forest、および2つのハイブリッドモデル）をCIC-DDoS2019データセットを用いて訓練および評価した。データセットは、クラス不均衡を処理するためにSMOTE技術を用いて前処理された。
4. シミュレーション環境： プロトタイプは、Ganache（ローカルEthereumブロックチェーンのエミュレーション用）、Truffle、Solidity（スマートコントラクト用）、NS-3（ネットワークシミュレーション用）、および各種IDE（Google Colab、VSCode、Jupyter）を組み合わせたツール群を用いて実装された。リアルタイムのトラフィック、ブロックされたIP、およびシステムメトリクスを可視化するために、カスタムインタラクティブダッシュボードが開発された。

主な貢献

• 分散型保護アーキテクチャ： 本論文は、ブロックチェーン層が不変かつ分散型のゲートキーパーとして機能し、悪意のあるトラフィックが中央サーバに到達するのを防ぐモデルを導入している。
• 自動化された緩和： 検出のみを行う従来のシステムとは異なり、本フレームワークは、事前にプログラムされたルールに基づいてブロックアクションを自動的に実行するスマートコントラクトを利用し、それによって攻撃の影響をリアルタイムで最小限に抑える。
• 包括的な評価： 本研究は、単純な検出精度を超えた評価指標を含んでいる。これには、DoS攻撃の最小化、防止能力、レイテンシ、スループット、CPU/メモリ使用率、およびAUC/ROC曲線が含まれる。
• モデル比較： 本研究は、この特定のブロックチェーンコンテキスト内でのDoS検出に最も効果的なアルゴリズムを特定するために、8つのML/DLモデルの比較分析を提供している。

結果
CIC-DDoS2019データセットに基づく実験結果は、以下を示している：

• 最高の性能を示すモデル： 畳み込みニューラルネットワーク（CNN）モデルは、他のモデル（Random Forest、XGBoost、およびハイブリッドモデルを含む）と比較して優れた性能を示した。
• 精度と防止： CNNモデルは、**98.3%**のDoS攻撃検出精度と、**100%**の防止/最小化能力を達成した。対照的に、Random Forestなどの他のモデルは、高い検出精度（99%）を示したものの、防止能力（83.83%）は低かった。
• パフォーマンス指標： システムは、テストされたモデル全体で平均約48.48ミリ秒のレイテンシを示した。CNNモデルは、すべてのクラスに対して1の完全な曲線下面積（AUC）値を表示し、純粋な分類が行われたことを示した。
• シミュレーションの結果： シミュレーション環境において、クライアントのリクエストが1,000リクエストの閾値を超えた際、システムは攻撃を正常に識別し、スマートコントラクトを介してソースIPをブロックし、トラフィック負荷を軽減したことがインタラクティブダッシュボード上で可視化された。

意義と主張
著者らは、本研究が中央集権的なサイバーセキュリティシステムの限界に対する堅牢なソリューションを提供すると主張している。ブロックチェーンの分散型かつ不変の性質を活用することで、提案されたフレームワークは異常を検出するだけでなく、サービスの停止を能動的に防ぐ。本論文は、高精度なMLモデル（特にCNN）とブロックチェーンのスマートコントラクトを統合することが、クライアント・サーバ・ネットワークをDoS攻撃から保護するための「優れた選択肢」であると断言している。

本研究は、提案されたモデルはシミュレーションにおいては非常に効果的であるが、その真のポテンシャルは実世界への実装にあると結論付けている。著者らは、現在のCIC-DDoS2019データセットへの依存が、そのサイズとクラス不均衡による制限があることを謙虚に認め、今後の研究のために、よりバランスの取れた軽量なデータセットの開発を推奨している。また、このソリューションを実世界の環境に展開するには、多大なハードウェアおよびソフトウェアのリソースが必要になることも認めている。