Performance evaluation of online traffic feature extraction for IoT forensics

The concept of Industry 4.0 is bringing to a new industrial revolution in which every production is completely automated and connected with smart machines and factories. Internet of Things (IoT) is one of the main technological branch in Industry 4.0 projects. IoT is central to new technological approaches for developing, producing, and managing the entire logistics chain. This last one is characterized by a network of interconnected objects that collect and exchange data. This technology is potentially unlimited. In fact IoT market has been growing exponentially over the past few years. This has led to new security issues and here is where IoT Forensics comes into play. This is a new branch of Digital Forensics where digital traces are analyzed for forensic purposes. This thesis work focuses on the creation of a forensic tool, called Python Feature Sniffer, that can be installed on any modern Wi-Fi OpenWrt-based access point to capture and store all network traffic features coming from IoT devices. After an accurate description of all tool functionalities and its implementation details, a performance comparison between the tool and a pre-existing version implemented in C programming language was carried out in order to highlight advantages and disadvantages. An analysis of the two implementations is addressed describing the precise adopted methodology and inspecting differences between all the reference parameters. Lastly, the final sections of the work include conclusive considerations on why Python Feature Sniffer could be considered a valid tool for modern IoT Forensics branch and the advantages it has in regards to C implementation.

Il concetto di Industria 4.0 ci sta conducendo verso una nuova rivoluzione industriale in cui ogni produzione è completamente automatizzata e connessa con macchine ed impianti intelligenti. L’Internet of Things (IoT) è una delle principali aree tecnologiche nei progetti di Industria 4.0 ed è al centro dei nuovi approcci tecnologici per lo sviluppo, la produzione e la gestione dell’intera catena logistica, caratterizzata da una rete di oggetti interconnessi che collezionano e scambiano dati. Questa tecnologia ha un potenziale illimitato e proprio per questo, il mercato IoT è cresciuto in maniera esponenziale ed è tutt’ora in crescita. Questo aspetto conduce a nuovi problemi di sicurezza che portano alla nascita dell’IoT Forensics, una nuova branca della Digital Forensics dove le tracce digitali vengono analizzate per scopi forensi. Questo lavoro di tesi si focalizza sulla creazione di uno strumento forense, chiamato Python Feature Sniffer, da installare su un access point dotato di OpenWrt per catturare ed immagazzinare tutte le caratteristiche del traffico di rete provenienti da dispositivi IoT. Dopo un’accurata descrizione di tutte le funzionalità dello strumento e dei dettagli implementativi, è stato effettuato un confronto delle prestazioni con la rispettiva versione implementata in linguaggio C, in modo da evidenziarne vantaggi e svantaggi. Un’analisi delle due implementazioni è stata effettuata descrivendo la precisa metodologia adottata ed evidenziando le differenze tra i parametri di riferimento. Infine, nelle ultime sezioni del lavoro, sono riportate le considerazioni conclusive ragionando sui motivi per cui Python Feature Sniffer potrebbe essere un valido strumento per la moderna branca dell’IoT Forensics e sui vantaggi rispetto all’implementazione in linguaggio C.