Security Controls for Monitored Use of USB Devices Based on the NIST Risk Management Framework
Notice bibliographique
Résumé
Universal Serial Bus (USB) is one of the most popular and extensively used technologies in the world due to its user friendly nature and ease of use. It is also one of the most widely targeted technologies by hackers. Hackers have discovered a vulnerability in the USB technology, known as "Bad USB", that allows them to plant and execute a malware at any desired time once the USB device is connected to the operating system (OS). The malware remains undetected from the security applications installed in the OS because it is embedded in the firmware of the USB device and security applications usually do not scan the firmware. This makes the malware pose a significant risk to the OS since it can stay undetected and can execute itself at a pre-planned time without the knowledge of the user or the security applications installed in the OS. This research paper aims to address this vulnerability and mitigate the risks posed by it by (i) building a Bad USB device and testing it in a controlled OS environment, studying the results and (ii) recommending security controls based on the U. S. National Institute of Standards and Technology risk management framework. The recommendations are divided into three categories, those are Technical, Operational and Management. Using the outlined solutions and following the recommendations provided in this paper, organizations and individual users can protect their information assets from being exploited by any risk posed by the Bad USB threat.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».