Системы обнаружения вторжений в СУБД

СОДЕРЖАНИЕ Введение 3 Системы обнаружения вторжений 4 Возможные угрозы 6 Методы обнаружения вторжений 9 Сигнатурные методы обнаружения вторжений 9 Методы обнаружения вторжений, основнные на аномалиях 10 Таксономия для обнаружения аномалий СУБД 13 Методы, основанные на синтаксических функциях 15 Методы, ориентированные на данные (результат), основанные на функциях 17 Методы, основанные на контекстно-ориентированных функциях 19 Гибридные методы 19 Заключение 27 Список использованных источников 28

Список использованных источников 1. BAKIR C. et al. Comparisons on intrusion detection and prevention systems in distributed databases //Balkan Journal of Electrical and Computer Engineering. – 2019. – Т. 7. – №. 4. – С. 446-455. 2. Yong Li, Tao Zhang, YuanYuan Ma, Cheng Zhou: Anomaly Detection of User Behavior for Database Security Audit Based on OCSVM. China, IEE (2016). DOI 10.1109/ICISCE.2016.55 3. Khan M. I., Foley S. N., O'Sullivan B. Database Intrusion Detection Systems (DIDs): Insider Threat Detection via Behavioural-based Anomaly Detection Systems--A Brief Survey of Concepts and Approaches //arXiv preprint arXiv: 2011.02308. – 2020. 4. Полтавцева М. А., Лаврова Д. С. Высокопроизводительные системы обнаружения вторжений: учебное пособие для студентов высших учебных заведений, обучающихся по направлению 10.00. 00 «Информационная безопасность», по программам подготовки бакалавров, магистров, специалистов. – 2020. 5. Santos R. J., Bernardino J., Vieira M. Approaches and challenges in database intrusion detection //ACM Sigmod Record. – 2014. – Т. 43. – №. 3. – С. 36-47. 6. Javidi M. M., Sohrabi M., Rafsanjani M. K. Intrusion detection in database systems //International Conference on Future Generation Communication and Networking. – Springer, Berlin, Heidelberg, 2010. – С. 93-101. 7. Jyothsna V., Prasad K. M. Anomaly-based intrusion detection system //Computer and Network Security. – IntechOpen, 2019. – С. 35. 8. Javidi M. M. et al. An overview of anomaly based database intrusion detection systems //Indian Journal of Science and Technology. – 2012. – Т. 5. – №. 10. – С. 3550-3559. 9. Snehi J. et al. Diverse methods for signature based intrusion detection schemes adopted //International Journal of Recent Technology and Engineering (IJRTE). – 2020. – Т. 9. – №. 2. – С. 44-49. 10. Darwish S. M., Guirguis S. K., Ghozlan M. M. Intrusion detection in role administrated database: Transaction-based approach //2013 8th International Conference on Computer Engineering & Systems (ICCES). – IEEE, 2013. – С. 73-79. 11. Григоров, А. С. Использование апостериорного анализа данных для обнаружения аномалий в SQL-запросах к базам данных / А. С. Григоров. — Текст : непосредственный // Молодой ученый. — 2011. — № 11 (34). — Т. 1. — С. 38-40. — URL: https://moluch.ru/archive/34/3918/ (дата обращения: 15.06.2021). 12. Hussain S. R., Sallam A. M., Bertino E. Detanom: Detecting anomalous database transactions by insiders //Proceedings of the 5th ACM Conference on Data and Application Security and Privacy. – 2015. – С. 25-35. 13. Bertino E. et al. Intrusion detection in RBAC-administered databases //21st Annual Computer Security Applications Conference (ACSAC'05). – IEEE, 2005. – С. 10 pp.-182. 14. Khan M. I., Foley S. N. Detecting anomalous behavior in DBMS logs //International Conference on Risks and Security of Internet and Systems. – Springer, Cham, 2016. – С. 147-152. 15. Khan M. I., O’Sullivan B., Foley S. N. Towards modelling insiders behaviour as rare behaviour to detect malicious RDBMS access //2018 IEEE International Conference on Big Data (Big Data). – IEEE, 2018. – С. 3094-3099. 16. Mathew S. et al. A data-centric approach to insider attack detection in database systems //International workshop on recent advances in intrusion detection. – Springer, Berlin, Heidelberg, 2010. – С. 382-401. 17. Muhammad Imran Khan, Barry O’Sullivan, and Simon N. Foley. A semantic approach to frequency based anomaly detection of insider access in database management systems. 18. Alizadeh M. et al. Behavior analysis in the medical sector: theory and practice //Proceedings of the 33rd Annual ACM Symposium on Applied Computing. – 2018. – С. 1637-1646. 19. Sallam A. et al. Data and syntax centric anomaly detection for relational databases //Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. – 2016. – Т. 6. – №. 6. – С. 231-239. 20. Gafny M. et al. Poster: applying unsupervised context-based analysis for detecting unauthorized data disclosure //Proceedings of the 18th ACM conference on Computer and communications security. – 2011. – С. 765-768. 21. Wu G. Z., Osborn S. L., Jin X. Database intrusion detection using role profiling with role hierarchy //Workshop on Secure Data Management. – Springer, Berlin, Heidelberg, 2009. – С. 33-48. 22. Santos R. J. et al. Securing data warehouses from web-based intrusions //International Conference on Web Information Systems Engineering. – Springer, Berlin, Heidelberg, 2012. – С. 681-688.

Системы обнаружения вторжений в СУБД По сравнению с сетевой безопасностью, разработка безопасности баз данных все еще находится на начальном этапе. Несанкционированный доступ может проявляться в форме выполнения злонамеренных транзакций, SQL-инъекций, которые могут нарушить безопасность базы данных или могут привести к потере репутации организации или даже судебным искам. Несанкционированный доступ к любой базе данных нарушает доступность, целостность, конфиденциальность и согласованность базы данных. Современные системы управления базами данных (СУБД) поддерживают возможность настройки безопасности реляционных баз данных (БД) средствами языка SQL, однако данные инструменты не решают задачи защиты данных полностью. Во-первых, отсутствует возможность противодействия злоумышленному воздействию легитимных пользователей. Во-вторых, встроенное решение не имеет механизмов, обеспечивающих устойчивость к появлению новых видов атак. В-третьих, что не маловажно, контроль доступ производится лишь к структурным единицам базы данных (таблицам, представлениям, хранимым процедурам и др.) и не позволяет осуществить разделение прав доступа к данным, например, хранимым в рамках одной таблицы. В качестве решения, устраняющего описанные ограничения, могут использоваться специализированные системы обнаружения вторжений (СОВ), основной задачей которых является выявление действий, способных нарушить конфиденциальность, целостность и доступность хранимой информации. По сути, это программное обеспечение, которое отслеживает базу данных на предмет любых подозрительных действий и отправляет отчеты на станцию управления, чтобы можно было предпринять соответствующие действия. Система обнаружения вторжений состоит из трёх основных элементов: - сенсорная подсистема, занимающаяся сбором информации о