KAIST desarrolla plataforma que simula 2.592 variantes de estaciones base falsas para evaluar sistemas de detección

El profesor Kim Yong-dae del Departamento de Ingeniería Eléctrica y Electrónica de KAIST (izquierda), el doctor Oh Taek-kyung, coautor principal del Instituto de Investigación de Electrónica de Información de KAIST, y el estudiante de doctorado Kim Deok-woo del Departamento de Ingeniería Eléctrica y Electrónica. [Foto=KAIST]
El profesor Kim Yong-dae del Departamento de Ingeniería Eléctrica y Electrónica de KAIST (izquierda), el doctor Oh Taek-kyung, coautor principal del Instituto de Investigación de Electrónica de Información de KAIST, y el estudiante de doctorado Kim Deok-woo del Departamento de Ingeniería Eléctrica y Electrónica. [Foto=KAIST]
Investigadores del Instituto de Ciencia y Tecnología de Corea (KAIST) han desarrollado una plataforma de pruebas llamada "Devilray" que simula el funcionamiento de estaciones base falsas en 2.592 variantes distintas, dispositivos utilizados para engañar a teléfonos inteligentes y acceder a información personal. Al probar siete sistemas de detección existentes con esta plataforma, los investigadores encontraron que todos los sistemas fallaron en identificar al menos 192 configuraciones de funcionamiento.
 
El equipo de investigación dirigido por el profesor Kim Yong-dae del Departamento de Ingeniería Eléctrica y Electrónica de KAIST desarrolló Devilray en colaboración con el Instituto Nacional de Investigación en Tecnología de Seguridad, la Universidad Kyung Hee, la Universidad de Florida en Estados Unidos y Capepo, anunció el organismo el 4 de noviembre.
 
Una estación base falsa es un dispositivo que emite señales simulando una estación base legítima para atraer la conexión de teléfonos inteligentes cercanos. Puede utilizarse para recopilar información de identificación de dispositivos, rastrear ubicaciones, interferir en comunicaciones o ejecutar ataques. Recientemente, delincuentes han transportado estaciones base falsas en vehículos para enviar mensajes de phishing suplantando instituciones financieras y empresas de mensajería, un delito conocido como "SMS Blaster" que se ha registrado en múltiples países.
 
La investigación en detección de estas amenazas se ha prolongado durante más de veinte años, pero resulta difícil adquirir y probar diversos dispositivos reales. Los productos comerciales son costosos y presentan restricciones en su compra y operación, lo que impide que investigadores universitarios, operadores de telecomunicaciones y agencias de seguridad e investigación criminal dispongan de todos los equipos y variantes emergentes. Los atacantes pueden modificar mensajes y procedimientos de comunicación mientras persiguen el mismo objetivo, creando brechas en las tecnologías de detección que se prueban únicamente con un número limitado de ataques conocidos.
 
El equipo de investigación analizó el funcionamiento de estaciones base falsas comerciales, estudios previos y estándares internacionales de telecomunicaciones móviles 3GPP. Dividió el funcionamiento de una estación base falsa en cuatro etapas: búsqueda de redes circundantes, emisión de señales falsas, atracción de conexiones de teléfonos inteligentes y ejecución del ataque. Los investigadores identificaron siete elementos clave que los atacantes pueden modificar.
 
Al aplicar 21 reglas que filtran combinaciones que no pueden coexistir en comunicaciones reales, implementaron 2.592 configuraciones de funcionamiento distintas. Esta cifra representa el número de variantes de funcionamiento que la plataforma puede recrear, no la cantidad de ataques reales ocurridos ni las ocasiones en que se eludió la detección. El equipo verificó todos los escenarios conectándose con teléfonos inteligentes reales para confirmar que los procedimientos de comunicación completos funcionaban correctamente.
 
Los investigadores evaluaron siete sistemas de detección existentes que utilizan principios distintos: análisis de mensajes de comunicación, información de estaciones base, señales inalámbricas, características estadísticas y aprendizaje automático. Identificaron dos razones principales por las que los detectores fallaron. Los sistemas que identifican ataques basándose en mensajes específicos pasaron por alto ataques ejecutados mediante procedimientos alternativos, y en algunos casos, el comportamiento del ataque era tan similar al de comunicaciones legítimas que resultaba indistinguible.
 
Reforzar únicamente los criterios de detección no resolvió el problema. Cuando se entrenó a un detector basado en aprendizaje automático con ataques previamente omitidos, mejoró la tasa de detección, pero también aumentaron los falsos positivos, es decir, las clasificaciones incorrectas de comunicaciones legítimas como ataques. Esto subraya la necesidad de evaluar conjuntamente tanto la eficacia en la identificación de ataques como la precisión en la discriminación de comunicaciones legítimas.
 
El equipo compartió con la Fundación Frontera Electrónica (EFF) ejemplos de ataques que su herramienta de detección "Rayhunter" no identificaba, y la EFF está investigando nuevos métodos para detectarlos. El equipo también fue invitado a presentaciones de la Asociación de Operadores de Telecomunicaciones Móviles Mundiales (GSMA), grupo de trabajo de fraude y seguridad (FASG), donde compartió Devilray con representantes de estándares e industria de diversos países para discutir futuras estrategias de detección.
 
El profesor Kim Yong-dae señaló que "aunque el ataque de estaciones base falsas y su detección deberían ser inherentemente una competencia donde atacantes y defensores se desarrollan mutuamente, hasta ahora ha sido un terreno inclinado a favor de los atacantes". Agregó que "el propósito de Devilray no es neutralizar los detectores existentes, sino proporcionar a los defensores las diversas acciones disponibles para los atacantes, estableciendo una base de investigación que permita que el ataque y la defensa evolucionen conjuntamente".
 



* Este artículo ha sido traducido por IA.