4구간 프로젝트: 위협 모델
왜 중요한가 이 프로젝트가 4구간을 하나로 모아요. 실제로 쓰는 제품에 대한 진짜 위협 모델을 Python 데이터로 쓰고, 그걸 채점 기준과 대조해 확인하는 코드를 써요. 어떤 제품에든 다시 쓸 수 있는 도구와, 먼저 고쳐야 할 세 가지의 분명한 목록으로 끝나요.
과제
쓰는 제품 하나를 고르세요: 메신저 앱, 피트니스 트래커, 쇼핑 사이트, 스마트 스피커. 그 위협 모델을 사용자로서의 여러분 관점에서 MODEL이라는 딕셔너리에 쓰고, 그다음 그걸 확인하고 순위를 매기는 함수 셋을 쓰세요.
비공개로 유지: 코드는 여러분 자신의 브라우저에서 채점돼요. 기기 간 저장을 켜면 초안이 Floati 서버에도 저장되니, 일반적으로 유지할 이유가 하나 더 있어요. 그래도 모델은 일반적으로 유지하세요: "내 메시지"나 "내 집 주소"라고 쓰고, 실제 비밀번호, 사용자 이름, 주소, 계좌 번호는 결코 쓰지 마세요. 위협 모델은 비밀 자체가 아니라 위험의 모양에 관한 거예요.
MODEL의 모양
MODEL = {
"product": "a fitness tracker app (fitly.example)",
"assets": ["my running routes", "my heart-rate history", "my contacts"],
"adversaries": [
{"who": "advertisers", "wants": "my habits", "capability": "buy data from the app"},
{"who": "a stranger", "wants": "where I live", "capability": "see public route maps"},
],
"threats": [
{"id": "T1", "asset": "my running routes", "adversary": "a stranger",
"what": "public maps show where my runs start, near my home",
"likelihood": 2, "impact": 3},
# ... at least 4 threats
],
"mitigations": [
{"threat": "T1", "action": "hide the first and last 500 m of every route", "owner": "me"},
# ... at least one for every threat
],
}
각 위협의 asset은 여러분의 assets 중 하나여야 하고, 각 위협의 adversary는 어떤 적대자의 "who"와 맞아야 해요. 그래야 모델이 이어져요: 모든 위협이 정확히 무엇을 치고 누가 하는지 말해요. owner는 누가 완화책을 하는지 말해요: "me" 또는 "product"(회사에 바꿔 달라고 할 것).
채점 기준
| 확인 | 실패하면 문제 코드 |
|---|---|
| 비어 있지 않은 제품 이름 | no-product |
| 자산 적어도 3개 | few-assets |
| 적대자 적어도 2개 | few-adversaries |
| 위협 적어도 4개 | few-threats |
| 각 위협의 자산이 자산 목록에 있음 | unknown-asset:T1(그 위협의 id와 함께) |
| 각 위협의 적대자가 "who"와 맞음 | unknown-adversary:T1 |
| 가능성과 영향이 각각 1, 2, 3 중 하나 | bad-score:T1 |
| 각 위협에 완화책이 적어도 하나 | unmitigated:T1 |
자기 평가와 튜터 피드백
테스트는 모델이 완전하고 이어지는지, 함수가 맞는지 확인해요. 위협이 맞는 위협인지는 판단할 수 없어요. 그걸 위해 상위 위협 셋을 소리 내어 읽고 스스로 물어보세요: 이 제품을 아는 사람이 이게 가장 큰 위험이라는 데 동의할까? 작업에 대한 의견을 원하면 기기 안 튜터의 코드 검토 버튼을 누를 수도 있어요. 브라우저에서 돌아서 모델은 여러분에게 머물러요. 작은 모델이니 그 메모는 판결이 아니라 생각할 실마리로 받아들이세요. 자동 확인은 모델이 완전하다는 걸 증명하고, 그게 맞는지는 여러분이 스스로 판단할 부분이에요.
좋은 모델을 위한 팁
- 배운 걸 쓰세요: 쿠키, 지문, 픽셀, 동의(1구간), 코드로 본 추적기의 작동(2구간), 사이트의 서드파티와 유출(3구간), HTTPS와 종단간 암호화가 숨기는 것과 숨기지 않는 것, 그리고 AI 기능이 글을 어디로 보내는지.
- 평범한 위협(재사용한 비밀번호, 잃어버린 휴대폰)과 제품 자체에 관한 위협(무엇을 모으는지, 누구와 공유하는지)을 적어도 하나씩 넣으세요.
- 하지 않을 완벽한 완화책보다 이번 주에 정말 할 완화책을 고르세요.
다른 언어로
JavaScript: 두 부분 정렬로 하는 위험 순위.
const risk = t => t.likelihood * t.impact;
function topThreats(model, n = 3) {
return [...model.threats]
.sort((a, b) => risk(b) - risk(a) || a.id.localeCompare(b.id))
.slice(0, n)
.map(t => t.id);
}
Rust: sort_by로 하는 같은 순서.
threats.sort_by(|a, b| risk(b).cmp(&risk(a)).then(a.id.cmp(&b.id)));
요약
- 데이터로 된 위협 모델은 코드로 확인할 수 있어요: 완전하고, 이어지고, 순위가 매겨졌는지.
- 위험은 가능성 곱하기 영향이에요. 같으면 위협 id로 가려서 순서가 언제나 같아요.
- 테스트는 구조를 확인하고, 위협이 맞는 것인지는 여러분과 튜터가 판단해요.
- 모델은 일반적이고 비공개로 유지하세요: 위험을 묘사하되, 비밀은 결코 적지 마세요.
쓰는 제품에 대해 MODEL을 채우세요(위의 모양 참고): "product" 문자열, 적어도 3개의 "assets", 적어도 2개의 "adversaries"(각각 비어 있지 않은 "who", "wants", "capability"), 적어도 4개의 "threats", 그리고 모든 위협에 대한 완화책(비어 있지 않은 "action"과 "me"나 "product"인 "owner"). 그다음 쓰세요:
risk(threat):likelihood * impact를 반환해요.top_threats(model, n=3): 위험이 가장 높은n개 위협의 id를 높은 순으로 반환해요. 두 위협의 위험이 같으면 더 작은 id(보통 문자열 순서)가 먼저 와요.rubric(model): 채점 기준 표의 문제 코드 리스트를, 모델이 통과하면[]를 반환해요. 모델 전체 규칙 넷을 먼저 확인하고, 그다음 각 위협을 리스트 순서대로 자산, 적대자, 점수, 완화책 순으로 확인하세요. 키가 빠진 모델이 멈추지 않게 기본값과 함께.get을 쓰세요.
rubric(MODEL)과 top_threats(MODEL)을 출력하세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.