TELKOM NIKA , Vol.11, No .2, Februa ry 2013, pp. 81 9 ~ 82 6   ISSN: 2302-4 046           819     Re cei v ed Au gust 7, 201 2; Re vised Decem ber  28, 20 12; Accepted  Jan uary 13, 2 013   An IOT Security Risk Autonomic Assessmen t Algorithm      Ruijuan Zhe ng* 1 , Mingchuan Zhan g 1 , Qingtao  Wu 1 , Chunlei Yang 1 , Wang y a ng Wei 1 ,  Dan Zh ang 1 , Zhengc hao   Ma 1   1 Electronic & In formation En gi neer ing C o ll eg e Hen an U n ive r sit y  of Scie nce  and T e chnol o g y   Luo ya n g ,  Chin a   *Corres p o ndi n g  author, e-ma i l :rj w o@ 16 3.co m      A b st r a ct   In term s of I n ternet of Things (IOT) sys tem  wi th the possi bil i ty criterio n of fu zz i ness and   rand o m ness s e curity risk, w e  qu alitativ ely  ana ly z e   the  security risk level  of IOT s e curity scene  by   descri b in g ge n e rali z a tio n  metrics the potenti a l i m p a ct  and l i keli ho od of oc currenc e of every ma jor thre a t   scenar ios. On this basis,  we propos ed se lf-assess me nt   alg o rith m of IOT  security ri sk, adopting three - di me nsio nal n o rmal clo ud mode l integr ate d  consid erat i o n of risk indicators, researc h in g the multi- rul e   ma pp ing r e lati onsh i p b e tw ee n the q ual itativ e inp u t of  safe ty indicat o rs a nd the  qua ntitative reas on in g of   self-assess me nt. F i nally , w e   buil d  se curity ri sk assessment  simul a tio n  pl at form, and verif y  the validity and   accuracy of the  algor ith m  in th e pre m is e of substanti a tin g  the risk leve l and  the safety criterion d o m ai n.    Ke y w ords :   N o rmal Cl ou d Mode l, IOT , Security  Risk, Autonom i c Assess m e nt    Copy right  ©  2013 Un ive r sita s Ah mad  Dah l an . All rig h t s r ese rved .       1. Introduc tion  As an ultra - l a rge - scale n e twork, it brings  e norm o u s  ch alleng es to its secu rity and   cre d ibility because of comp osition of co mplex geom e t ry, the application of the non-d e termi n istic  and  ru nning   fuzzi ne ss of  IOT. Moreov er, the  het e r ogen eity of t he te rminal  a nd  sub net m o re  brings   maximum technic a l  diffic u lty to sec u rity of   cro s s-d o mai n  an d  acro ss subn et. Therefore,  in   the Internet  of Things  se curity re se arch, it  is necessary to co mpre hen sivel y  consi der t he  dynamic  cha nge of re sou r ce s an d the  many ty pes of abnormal  status, and  overall take into  ac cou n t  sy st em se cu rit y  mech ani sm s an d st rategie s  time-sharin g sequ ence. Auton o mic  comp uting  ha s be en  reg a rded a s   a ne w effectiv e  way to achieve  system  auto nomy an d so lve   the probl em  of system se curity  pe rformance de clin e based on a  syst em of internal a nd external   cha nge s in  d e mand  auto n o mou s ly adj u s ting th e  software a nd  hardwa r e  re so urce s to im pro v e   servi c e p e rfo r man c e. How it autonomo u sly co nv erg e s, und ersta nds a nd a ssesse s  to ma ny  se curity fa ctors affectin g  IOT sy ste m  se cu rity and  com p let e s the  fine  mea s ureme n t of  autonomi c  se curity in dynamic chan gef ul compl e x environm ent, is a key pre r equi site for the   autonomi c  se curity of the Internet of Thi ngs  system.   Because IOT  self-security  research i s  still in  its infancy, its direct ly related literatures  now a r e relat i vely less. But the existing res earch  shows a goo d  pros pe ct and trend of ra pid   developm ent. These have  provide d  a th eoreti c al  refe rence an d technical directio n for u s  to lea r n   from the  se cu rity of the co mputer  netwo rk a nd the  au tonomic  se cu rity mech ani sms an d ways of  system, reali z e the d epth  fusion  autono my cha r a c te ri stics an d IOT  se curity an d  see k  the tren ds  and  co re e ssence of Thi n gs. Th e curre n t re sea r ch  more fo cu se s on the  re sea r ch  an d an al ysis   of the  risk  asse ssm ent m o del. A dyna m i c trust m odel  ba sed  on  re putation  and   risk a s se ssm ent  [1] synthe size s dyn a mi sm  and  ri sk of th e tru s t d egre e  evalu a tion f o r th e p r obl e m  that the  tru s ted  netwo rk can  not  effectivel y  deal with of  malici o u s  n o de atta cks. In tegrated  fu zzy logic an d  re al- time risk assessment of Petri nets [2] and risk  assessment of the fusion of fuzzy theory and BP  neural netwo rk [3] have constructe d theoreti c al  mo del of their o w n. Mean whi l e, assessme nt  strategi es an d metho d s  h a ve also ma de some  pro g re ss.  Do cu ment [4] refe ren c ing  imm une   dang er theo ry has propo sed n e two r k intrusio n ri sk dete c tion  and qu antitative assessm ent  method s usi n g the antibod y density. Docume nt [5 ] propo sed a net work ri sk assessment met hod  based on  cl oud mo del.   A quantization, co ding  and  contro l  scheme i s  p r esented  un der  comm uni cati on con s traint s [6], a hie r archi c al m o del of survi v al situation a l aware n e s s is  Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 23 02-4 046   TELKOM NIKA   Vol. 11, No. 2,  Februa ry 2013 :  819 – 826   820 prop osed in [7]. And Integrating   cur r e n t  st udy status, the releva nt theor ie s an d strategie s  are n o t   enou gh matu re, as a  re su lt of autonom y problem s i n  com puter  n e tworks, the resea r ch in the  field of syste m  se cu rity and IOT secu rity are  in th e exploration  and the initi a l stage. Sel f - asse ssm ent pro c e s s  of se curity risk  i s  prop osed  i n  t h is  pap er, fo cu sing  on  the  problem  of I O T  self-a sse s sm ent, com b inin g with hi gh p r omi s cuou s a nd hete r og en eou s charact e risti cs  of IO T,  adoptin g the  three - dime nsi onal no rmal  clou d mod e l to re sea r ch th e self-asse ssment algo rith m  of system  se curity ri sk, a nd jud g ing  gl obal  m u lti-val ued d epe nde ncy cha r a c te ristics  betwe en   possibility crit erion and security risks.       2. Possibilit y Criterion  Clou d model  [8] which i s  a model of qual itat ive and qu antitative con v ersio n  empl oying a  natural la ngu age expressi on by Acade mician Li Deyi  is able to the unce r tainty conve r t between   qualitative  co nce p t an d it s  quantitat ive  repre s e n tation  a  natural la n guag e. It ha s  been  ap plied   in   data mini ng,  intelligent  co ntrol, fuzzy e v aluation,  etc. In the vario u s b r a n che s   of the natu r a l   sci en ce s and  social  sci en ce s,  the pervasivene ss of the nor mal  distributio n and the normal  membe r ship  function tog e ther h a s lai d  the found atio n for the univ e rsalit y theory of the normal  clou d mod e l  [9]. One-di mensi onal  n o rmal  clou d  model (X, Y )  co nsi s ts  of particular  cl oud   gene rato r, g enerates  qu antit ative co nversi on of t he co n c ept ,  embodi es random ne ss  and  fuzzi ne ss  of the concept b y  the  expecte d value Ex, entropy En an d hyper  entro py He. Becau s e   of its good  m a thematical n a ture, the n o rmal clo ud mo del is u s e d  to  indicat e  a la rge n u mbe r  o f   uncertain p h e nomen on [10 ]  in natural science and  so cial scie nce. At prese n t, the norm a l clo u d   model h a s  be come  the mo st wid e  cl oud  model.  Th e  curve  expression i s   rep r e s ented a s   sho w n   belo w .  22 exp[ ( ) / 2 ( ' ) ] xn yx E E    In view of th e unive rsality [9] of the  n o r mal  clo ud  m odel,  com b in ed  with th e f eature  of  se curity indi cator of IOT system, on the basi s  of  IOT system wit h  the possibi lity criterion  of  fuzzi ne ss a n d  ran domn e ss secu rity risk, the pot enti a l impa ct an d likelih ood  of occurren ce of  every major threat  scenari os w ill be described, eval uated and fine measured.  And the level  o f   se curity ri sk and syste m  toleran c e d egre e   with the heteroge neou s IOT secu rity sce n e  of  increme n tal d eployment ch ara c teri stics  will be qu alitative analyzed.          Figure 1. IOT archite c tu re       IOT stru ctu r e s  an "Interne t of Things"  of co verage  of all things i n  the wo rld  utilizing   these  technol ogie s   su ch  a s   RFID,  wi rel e ss d a ta  com m unication  o n  the  ba sis o f  the Internet  in  the comp uter. In  this network, go od s (p rodu cts)  can comm uni cate  with each ot her with out the  need for hu man interven tion. Its esse nce is to  achieve autom atically i denti f ication of items  (produ cts)  an d the  interco nne ction  and  sh ari ng  of i n formatio n th roug h  com p u t er Inte rnet  b y   usin g radi o freque ncy ide n t ification (RFID) te chnol og y.  Things architecture is shown in Figu re 1.  As a multi - source h e tero gene ou s fusi on net work,  IOT Secu rity Crite r ion  su bject to   con s trai nts  of the a r chitect u re  se cu rity e l ements  a n d   s e c u r i ty thr e ats .  N e tw or k la ye r  o f  IO T  has    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046       An IOT Security Risk Auton o m i c Asse ssm ent Algorithm  (Ruijuan g Zheng )  821 the sa me  se curity p r obl e m s  with sen s or net wo rks, mobile  com m unication n e tworks a nd  the   Internet. But there i s  a g r e a ter differen c e between IO T high -level  and lo w-l e vel  with traditio n a l  netwo rk  se cu rity . Perce p tio n  lay e r  has  its o w n  u n iqu e  nature du e to the differen c e of p e rce p tion  equipm ent a nd gathe r wa y. Application  layer presen ts a different  se curity attri butes b a sed  on   different sce n a rio  whi c h is t he co ntent fe ature s , wo rk  environ ment, operator m a n ageme n t of the   appli c ation - oriented. Ri sk  crite r ion i n flu enci ng  IOT  system se cu rit y  will be extracted to  cle a r l y   state the  com p reh e n s ive re stri cti on facto r  of IOT security, this  paper based o n  Internet of T h in g s   hiera r chi c al d i vision.   The info rmati on of pe rcept ion Laye r  is t o  go  throug h  these  pro c e ss flo w s, su ch as th e   informatio n p e rception,  acquisitio n , agg regatio n,  fusi on, tran smi s sion, sto r ag e, mining, d e ci si on- makin g  and  control, etc. Theref ore, th e perce ption  crite r ion  ( pc )  affecting the  layer security is  from several  asp e ct s , su ch as  se cu rity of awa r e n o d e s  ( pc 1 ),  re so urce con s trai nt of percepti o n   and the  co nverge nce poi nt( pc 2 ), the  se curity of the informatio n coll ection  ( pc 3 ), the priva c y of  the  informatio n transmi ssion ( pc 4 ) to preve n t these pot ential se cu rity problem s, su ch as n o d e   camo uflage  ( pc 11 ), ad dition  of no de s en e r gy con s um ption ( pc 12 ), sig nal  le aka ge a nd  inte rferen ce   ( pc 21 ), i n form ation tamp eri ng ( pc 22 ) ,  the p e r c e ived  da ma g e  of h a r dware/software  ( pc 31 ), n on- authori z e d  u s e  ( pc 32 ), p e r ce ption d a ta  dest r u c tion  ( pc 41 ), p e rce p tion data t heft ( pc 42 ), e t c.          Network  layer  is  be  v i ewe d   as  th e   core data f o rwarding le vel of Thing s . The n e twork  credibility and security ( nc 1 ), se cu rity of data a nd  privacy  ( nc 2 ), and  relia bility ( nc 3 ) of ro u t ing  proto c ol s are  simultane ou sly taken int o  account by  Netwo r k  Cri t erion ( NC ). These  proble m s  inclu de o c cu pied tra n smission  ban dwid th ( nc 11 ),  rapi d sp rea d  of secu rity threat s ( nc 12 ), me ssage   to steal ( nc 21 ), message ta mperi ng ( nc 22 ), messag e d e stru ction  ( nc 23 ), protocol d e stru ction  ( nc 31 ),  sho r tenin g  th e network lifetime ( nc 32 ), too long d e l a y ( nc 33 ), h u ge ene rgy  consumption  ( nc 34 )  cau s e d  by Floodin g  / LEACH / PEGASIS / SPIN routing proto c ol s.   Acco rdi ng to different ap plicatio ns an d manag eme n t mecha n ism in applicat ion layer,   appli c ation Criterio n  ( AC ) is re stri cted  by the se rvice indu stry  ( ac 1 ), a c ce s s  c ontrol  ( ac 2 ),  informatio n st orag e ( ac 3 ), a nd man age m ent mod e ls  ( ac 4 ),  inclu d ing multi-a s pe ct conte n t  su ch as  the type of   servi c e  ( ac 11 ), se rvice  obj ect  ( ac 12 ), privacy  p r ote c tion ( ac 13 ), au thenticatio n of  hetero gen eo us network ( ac 21 ), remote signing ide n tification of appl ication termi n al ( ac 22 ), attac k   of virus / hacker / mal w a r e ( ac 31 ), illegal use of 3G terminal ( ac 32 ), the intern al authenti c at ion   ( ac 41 ), man a g e ment co ntra ct ( ac 42 ), etc.   The  se cu rity crite r io n of  perce ption  laye r, net wo rk laye r a n d  appli c ation   layer i s   integrate d , an d its scop e of  application a nd the in flue n c ing fa ctors a r e fused, exte nded to fo rm a   dist rib u t i on st ruct u r e of  I O T se curit y   criterion, a s  sh o w n in Figu re  2.          Figure 2. A distributio n stru cture  of  Thi n g s  se cu rit y  crit erion       Multi-dime nsi onal, multi-l a yered  se cu rity crit e r ion fo r the  se cu rity of the Inte rnet of   Thing s  ha s the effect of varying deg rees in Fi gure 2 to form  the set of attributes  of the   evaluation of  the se cu rity  risks of the Int e rnet of Thi n gs. Acco rd ing l y, three-tier  secu rity crite r i on    Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 23 02-4 046   TELKOM NIKA   Vol. 11, No. 2,  Februa ry 2013 :  819 – 826   822 that may affect IOT se cu rit y  is analyzed ,  from  whi c h  extract s  seve ral attrib utes  influen cing th e  degree  high e s t num be r of  IOT security  risk, to  fo rm  t he key crite r ion set  (K ey  Crite r ion,  KC ) of  I O T  s e c u rit y  as se ssm ent .  Mean while,   it s se curit y  crit erion   lev e l ( C rit e rio n   G r ad e,   CG ) i s   divided  into the following grades : 12 {, , . . . , } , R C G cg cg cg R Z  , acco rdi ng to  the  bad  or g ood  deg ree  o f   each ind e x of  KC  in the a c tual wo rk pro c e ss. F o r  diffe rent i ndicato rs  en counte r ed security ri sk  probability in  heter ogeneous IOT  environment, Integer  R   po ssesses a  variety o f  options. Ba sed   on the  pri n ci ple of  one -di m ensi onal  cl oud m odel,  singl e  crite r io n is de scrib e d  by m u lti-le vel  s e c u rity. Security c r iterion  C kc  formed ca n be expre ssed as KC CK C C G .       3 Self-as ses sment Alg o rithm   3.1 Gener a lized  Risk Lev e ls  Qualitative re pre s entatio n of Things  saf e ty ri sk is d e t e rmine d  by  t he se cu rit y  crit erio n  C KC  mapp ed  by the key  cri t erion  KC  an d se cu rity crit erion  grade  CG  of third q u a rter. T herefo r e,  in the begi nni ng of esta blishing the eval uation mo del,   we a r gu es th at the divided  rule of level  of  risk (Level of  Risk ， L R i) is  the similar  wi th the division  grad e of its secu rity crite r ion grade  CG ,  whi c h  P  gra de i s  divide d  into mai n ly  based  on th e differe nce  betwe en the   oriente d   spe c ific  appli c ation a nd the a c curacy re qui rem ents of a s se ssment. Thu s ,   12 { , , . .., } , RP L l r lr lr P Z . In  view of th e  above, o ne-d i mensi onal  n o rmal  cl oud  C KC  generate d  by the  aforemention ed  key  crit e r ion i s  r e lat ed t o  t h e se cu rit y  risk a s se ssm ent pro c e ss by employing reve rse  clou d   gene rato r ge nerali z a b ility to the risk lev e l to est ablish the security risk a s sessment clou d model   that depen ds  on the multi-l e vel and mult i-dime nsi onal  criteri on.   1 2 12 12 { , , ..., , , , ... , , , ..., } M NT KC pc pc pc nc nc nc ac ac ac is the  criteri on d o main   of  M + N + T ,  M , N , T Z , in  which security  crite r ion  is no t releva nt to  each oth e r.  L R  is  qualitative comme nt i n   KC . The element  1 2 12 12 { , , . .. , , , , . . . , , , .. ., } M NT p c p c p cn c n c n c a c a c a c in  KC  for K C of  L R   is  expre s sed a s  a rando m nu mber  with sT able tren d.  12 1 2 1 2 1 2 12 12 : [ 0 , 1 ] , { , , ..., , , , ... , , , ..., } , { , , ..., , , , ... , , , ..., } KC M N T MN T K C K C pc pc pc nc nc nc ac ac ac K C pc pc pc nc nc nc ac ac ac    Then the  normal clo ud of  M + N + T   dime nsio n ri sk  asse ssm ent ca n be de scri b ed by the  following 3( M + N + T ) digital feature s .   11 1 2 2 2 11 1 2 2 2 11 1 2 2 2 (( , , ), ( , , ) , . .. , ( , , ) , ( , , ) , ( , , ) , .. ., ( , , ) , ( , , ) , ( , , ) , .. ., ( , , ) ) pc pc pc pc pc pc pc M p c M pc M nc nc nc nc nc nc nc N n c N nc N ac ac ac ac ac ac ac T a c T ac T Ex En H e Ex En H e Ex En He Ex En H e Ex En He Ex En He Ex En H e Ex En He Ex En H e     3.2 Algorith m  Procedure   The initial mappe d rela tionshi p bet wee n  the secu rity criteri on  KC  and  the risk  asse ssm ent i s  given by th e as se ssmen t  algorithm. T he detaile d reasonin g  rule s between th em  need to  be a nalyze d  u s in g the a s soci ation rul e s  b e twee n the  multi-dime nsi onal the  se curity  crite r ion  cl ou d an d IOT  ri sk level  cl oud.  Here, the  pot ential relation ship  that exi s ts b e twe en th em  is mainly de scribe d by the co rrel a tio n  rule s between key security criteri o n   KC  of  M + N + T   dimen s ion a n d   R -dim en sio nal level of risk  L R . The fusi on of security  criterio n set  and level of risk   has formed th e correl ation rule set  I   of IOT s e c u rity risk . Then  1 2 12 12 1 2 { , , . . . , , , , .. . , , , .. ., ; , , . .. , } , , , , RM N T P I K C L p c p c p c n cn c n c a ca c a c l r l r l r M N T P Z  , in which  V I  is stated a s  eleme n t value in  I , { , , ; } , { 1 , 2 , ... } , { 1 , 2 , . .. } , { 1 , 2 , ... } , { 1 , 2 , ... } mn t p Ip c n c a c l r VV V V V m M n N t T p P  .  As you  see,  both   KC   and   L R   are  sub s et  of  I , and R KC L .  C KC  and  C LR , respec tively,   is multi-dime nsio nal a nd  one-dime nsio nal no rm al  cloud fo rmed  by the afore m entione d 3. 1.  () () () ( ) ( ) ( ) ( ) ( ) ( ) {( , , ) } {( , , ) } {( , , ) } , { 1 , mm m n n n t t t rr r pc p c pc nc nc nc ac ac ac K C c g cg cg C E xE n H e E xE n H e E xE n H e m  2 , ..., }, { 1 , 2 , ..., }, { 1 , 2 , ..., }, { 1 , 2 , ..., } M nN t T r R  ,  (, , ) , { 1 , 2 , . . . } Rp p p Ll r l r l r CE x E n H e p P .  Any eleme n t value s  in   I V  are  expresse d by  , im n t p v i pc nc ac lr  to si m p lify above   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046       An IOT Security Risk Auton o m i c Asse ssm ent Algorithm  (Ruijuan g Zheng )  823 expre ssi on. Then the expression fo rm o f  correlation rules is  () ( ) ( ) nt ma b c p cV n c V a c V  p d lr V , ,, , mn t p a b c pc nc ac d l r  .  A reasonin g  idea of mu lti-con d ition  and mu lti-rul e  is forme d  betwee n  o u r multi- dimen s ion a l  se curity  crite r ion  and  one -dime n si onal  level of ri sk. The rea s on ing ante c e d e n t  () ( ) ( ) () ( ) ( ) ( ) ( ) ( ) (, , ; , , ; , , ) mn t m n t m n t r pc nc ac pc n c ac pc nc ac K C cg C E xE xE xE n E n E n H e H e H e  and co nse que nt  (, , ) Rp p p Ll r l r l r CE x E n H e  are sha ped  based on the  correlation rule  I  of securi ty risk. For every item   multi-dime nsi onal se cu rit y   crite r ion () ( ) ( ) nt ma b c pc V n c V ac V  , sp ecifi c   algorith m   pro c e ss of au tonomic a s se ssment is a s  follows.   Step1  Determine their respective rul e s,  if   ( ) () () () 3( ) 3 mm m m p c pc pc p c ma Ex E n p c V E x E n    () ( ) () ( ) 3( ) 3 nn n n n nc n c nc n c b Ex E n n c V E x E n    () () () () 3( ) 3 tt t t t ac a c ac ac c E xE n a c V E x E n    Then the rule   () ( ) ( ) nt p ma b c d pc V n c V a c V l r V   is dire ctly activated to step  4 , or el se to step 2;  Step2  Calcul ating re spe c ti vely correspo nding ri sk level sup port   ( ( )( )( ) ) nt p ma b c d Sp c V n c V a c V l r V    And  (( ) ( ) ( ) ) nt p ma b c d Sp c V n c V a c V l r V     Els e  if  ( ( )( )( ) ) nt p ma b c d Sp c V n c V a c V l r V     Els e  if  ( ( )( )( ) ) nt p ma b c d Sp c V n c V a c V l r V     Deg r ee of co nfiden ce   ( ( )( )( ) ) nt p ma b c d Cp c V n c V a c V l r V    And   (( ) ( ) ( ) ) nt p ma b c d Cp c V n c V a c V l r V     Els e  if  (( ) ( ) ( ) ) nt p ma b c d Cp c V n c V a c V l r V     Els e  if  (( ) ( ) ( ) ) nt p ma b c d Cp c V n c V a c V l r V   ;  Step3  In the  same  con d ition eleme n ts, the rule    (m ax ) ( m a x ) ( m ax ) ( m a x ) ( m ax ) ( m a x) (m a x ) ( m a x ) () ( ) ( ) nt p ma b c d pc V n c V ac V l r V    corre s p ond ed  by the maximum of the produ ct of  S  and  C  is  ac tivated.   Step4  Th e d edu ction re su lt  (m ax ) d V of risk valu e is output a c cordi ng to correspon ding  rule. And  the su ppo rt a nd confide n ce co efficient  of co rre sp on ding rule a r e  adaptively ad justed. T hen i t  is  input to  ope ration  process of  Step3,  thus, th e  au tonomic de d u ction  of  re aso n ing  rul e  is  ac compli sh ed .   Note: rea s o n i ng pro c e s s of other crite r i ons  is exe c ut ed by compl y ing with thinking of  Step3, Step4 and Step5.       4. Simulation Experimen t   To verify self-asse ssm ent effect of the pr opo se d se cu rit y  risk s e lf -a ssessme n t algorithm   to netwo rk st atus d a ta det ermin ed by th e ma ss  dat a  of IOT, a sim u lation exp e ri ment platform is  built in this p aper a nd its  data set s  are  trai ned, incl u d ing pe rcepti on port sca n n ing sample s set,  packet s  steal  sampl e  set a nd intern al au thenticat io n data set. By w h ich, a multi-dimen s ion a l risk  asse ssm ent norm a l clo u d  is gene rate d, on this ba sis, a c tual o peratio n pe rforma nce of self- Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 23 02-4 046   TELKOM NIKA   Vol. 11, No. 2,  Februa ry 2013 :  819 – 826   824 rea s oni ng ru le is analyzed. The sim u lation ex pe riment platfo rm of IOT autonomi c  ri sk  asse ssm ent is sh own in Figure 3.         Figure 3. Simulation Experi m ent platform  of IOT Autonomic Ri sk Asse ssm ent       Acco rdi ng to simulatio n  pla tform in Figure 5,  M + N + T  dimensi onal  se curity criterio n of the  theory do mai n   1 2 12 12 { , , . .. , , , , .. . , , , . . . , } M NT K C pc pc pc nc nc nc ac ac ac is em bodi e d  as 12 4 {, , } K C pc n c ac .  Analogo usly,  both level of  risk  L R  a nd g r ade  of se cu rity criterio n  CG  of IOT are  divided into  P  grad e. Here,  P  is em bod ied a s   P = 7 , that  is 1 2 34 56 7 {, , , , , , } { , , , R C G L l r l r l r l r l r l r l r w or s t w o r s e ba d    ,, , } me diu m go od be tte r b e st . Based on the above inf o rmatio n em bodie d , the specifi c  divisio n  of  three ki nd s of possibility se curity criterio n and level of  risk is shown  in Table 1.    Table 1. Division of se curit y  criterio n an d risk level   Comment  pc 1  nc 2  ac 4  L’ R   best [0.0,0.1)  [0.0,0.1)  [0.9,1.0)  [0.0,0.1)  better [0.1,0.2)  [0.1,0.2 ) [0.8,0.9)  [0.1,0.2)  good  [0.2,0.4)   [0.2,0.4)   [0.6,0.8)   [0.2,0.4)   medium [0.4,0.6)  [0.4,0.6)  [0.4,0.6)  [0.4,0.6)  bad [0.6,0.8)   [0.6,0.8)   [0.2,0.4)   [0.6,0.8)   w o rse  [0.8,0.9)  [0.8,0.9)  [0.1,0.2)  [0.8,0.9)  w o rst  [0.9,1.0]   [0.9,1.0]   [0.0,0.1)  [0.9,1.0]       Based  on  the  gen erali z e d   se curity  crite r ion,  the  evalu a tion exp e cta t ion of the  ge nerate d   three - dime nsi onal ri sk  a s sessment   no rmal clou d set   K CL R C  b a sed  on fo rwa r d  cl oud  g enerator is  sho w n  in T a b l e 2  ado pting  the p r opo se d  self -a sse ssm ent p r ocess. I t  assum e s th at  ac 4  co uld  b e   set to any value. Thu s , three-di men s ion a l self-a sse s sment clou d is gained, sho w n in Figu re  4.  Multi-group   12 4 {, , } K Cp c n c a c  is train ed  according  to  the  algo rithm p r o c e s s an d   sema ntic co mbination  of  theory  evalua tion. Part   of trainin g   sam p l e s i s   sh own i n  Ta ble  2.  M ulti- combi nation  relation shi p s betwee n  th ree - dime nsi o nal sa mple  and a s sessment re sult  are  synthe sized, inclu d ing sev e ral  type s su ch as  one -di m ensi onal  co rre sp ondi ng,  two-di men s io nal  corre s p ondin g , and thre e-dim e n s iona l corre s po nd ing, one -dim ensi onal e r ror, and two- dimen s ion a l error, thre e-di mensi onal e r ror.   The ge nerate d  self-asse ssment erro rs o f  se curity risk are  sho w n i n  Figu re 5 b a s ed  on  result of t r ai ning  sam p le.  It ca n b e   see n   that th e e rro r  between  asse ssment result  and  theoreti c al  e v aluation  predictio n valu e s houl d b e  less or e q ual 0.0 015,   and  evaluati o n   con c lu sio n  betwee n  them  is basi c ally con s i s t ent, which  can satisfy the evaluation accu ra cy  requi rem ents in the pre m ise of two-dim e n s iona l corre s p ond ing, and th ree-di men s ion a l   corre s p ondin g , one-dimen s ion a l erro r, and two-dim ensi onal e r ro r. Only wh en  the situation  of   one-dime nsio n corre s po ndi ng a n d  thre e-dimen s ion a l  error ap pea rs sim u ltane ou sly, it will  cau s e     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046       An IOT Security Risk Auton o m i c Asse ssm ent Algorithm  (Ruijuan g Zheng )  825 error rel a tive larger be ca use  sampl e  i nput exi s ts the m obility o f  ope ration  a nd  sele ction   of  sup port an d confiden ce. It will achieve 0 . 003 in sp ecifi c  ca se.        Figure 4. Self-asse s sme n t clou d for  goo d      Table 2. Part  of training sa mples  Sample Input   Assessment Result  pc 1   nc 2   ac 4   Theor y evaluatio n  Error value   0.0 0.09  0.92  best  0.001   0.13 0.15  0.85  better   0.0014   0.28 0.33  0.77  good   0.0015   0.58 0.48  0.45  medium  0.0012   0.75 0.69  0.28  bad  0.0014   0.88 0.85  0.17  w o rse   0.0015   0.92 0.98  0.08  w o rst   0.0013   0.79 0.88  0.58  bad  0.0015   0.25 0.44  0.55  good   0.016   0.60 0.57  0.64  medium  0.0030   0.12 0.55  0.7  better   0.0028         Figur e 5. The  erro r of IOT se curity  ri sk  s e lf-as s e s sme n t      5. Conclusio n   An autono mi c characte ri stic is give n to IO T aimin g  at system  feature a n d  se curity  informatio n of  IOT an d u n certainty, unp redictio n  an d f u zzine s s of it s  cha nge. F o cu sing  on  sel f - asse ssm ent of security risk, t he self-a sse ssm ent alg o rithm of  IOT security risk based on three- Evaluation Warning : The document was created with Spire.PDF for Python.
                          ISSN: 23 02-4 046   TELKOM NIKA   Vol. 11, No. 2,  Februa ry 2013 :  819 – 826   826 dimen s ion a l  norm a l cl oud  wa s  studie d  ba sed  on th e dynami c  fu sion  re sult  of heteroge neo us  se curity fa ctors.  We  st rive to ma ke  a  bre a kt h r o u g h  in th e research  of aut onomi c   se cu rity  mech ani sm  of heteroge n eou s securit y  of IOT. It   provid es a pplication se rvice se cu rity  of  ensurin g IOT in uncertain e n vironm ent for new  solutio n  and thin kin g .      Referen ces   [1]    Z hou Q, Yu J. D y namic T r ust Mode l Base d o n  Re putatio n a nd Risk Ass e s s ment  in T r usted N e t w ork .   Co mp uter Appl icatio n Rese ar ch . 2010; 2 7 (1 1): 4211- 42 14.   [2]    Lia o  ND, Li F ,  Song Y.  Research o n  rea l -time netw o rk security risk assess me nt and forecast .  Procee din g  of  201 0 Internati o nal C onfer ence  on Inte ll ige n t Comp utation T e chn o lo g y  an d  Automatio n .   201 0; (3): 84-8 7 .  [3]    Hu CJ, Lv CM.   Method of ris k  assess ment  base d  on c l as sifi ed sec u rity  protectio n  an d  fu zz y  n eur al   netw o rk . Proce edi ng  of th e 2 010  Asi a -Pacifi c  Co nf erenc e  on W e arab le   Comp uting  S ystems. 201 0 ;   379- 382.   [4]    Cai Z Y , Z h en g  LP, Z h u  SF .  Quantitative  a ssessm ent  of  Net w ork  intrus i on r i sk Bas e d  on  immu ne   antib od y co nce n tration.  Hi gh T e chno logy Le tters . 2010; 20( 10): 102 7-1 03.   [5]    Liu  Y, L  YH. A n  ev alu a tio n  m ode l for  net w o r k  risk  base d   on  clo ud t heor y.  Co mp uter Si mulati on.  2 0 10;  27(1 0 ): 95-9 8 .  [6]    Liu QQ. Coordinated Motion Control of   Autonom ous  and S e miautonom ous Mobile Agents .   T E LKOMNIKA Indon esi an Jou r nal of Electric al Eng i ne eri n g .  2012; 1 0 (8).   [7]    Z hao JH, Z h o u  Y, Shuo L X . A  Situatio n A w ar eness M ode l o f  S y stem Survi v abil i t y  B a se d  on Var i ab l e   Fuzzy  Set.  T E LKOMNIKA Indon esia n Jour nal  of Electric al  Engin eeri n g . 2 012; 10( 8).  [8]    Li DY, Du Y.  Uncertai nty artificial int e ll ige n ce , Beijin g: Defen s e Industr y  Pr e ss, 2005.   [9]    Li DY, Liu CY.  Stud y  o n  the univ e rsal it y  of  the norma l clo ud mod e l.  Chi nese En gin eer i ng Scie nce .  200 4; 6(8): 28- 34.   [10]    Zhang  HB, Pei QQ, Ma JF. A n  algorithm  for  sensing insider threat bas ed  on cloud m o del.  Chin es e   Journ a l of Co mputers . 200 9; 3 2 (4): 784- 79 2.      Evaluation Warning : The document was created with Spire.PDF for Python.