面向漏洞的攻击技术与威胁识别
密码学与安全
2022-06-23 v1 人工智能
摘要
现代组织疲于应对其网络与应用漏洞扫描器发现并报告的数量庞大的漏洞。因此，优先级排序与聚焦至关重要，以将有限时间花在最高风险漏洞上。在此过程中，这些组织不仅须理解漏洞的技术描述，还须洞察攻击者视角。本工作中，我们利用机器学习与自然语言处理技术，以及若干公开数据集，提供漏洞到攻击技术与威胁行为者的可解释映射。该工作通过预测最可能被用于利用给定漏洞的攻击技术，以及最可能实施利用的威胁行为者，提供了新的安全情报。标注数据缺失与词汇差异使得大规模将漏洞映射到攻击技术成为难以通过监督或无监督（相似度搜索）学习技术轻易解决的挑战。为解决该问题，我们首先将漏洞映射到一组标准常见弱点，再将常见弱点映射到攻击技术。该方法取得 0.95 的平均倒数排名（MRR），精度可与最先进系统报道者媲美。我们的方案已部署至 IBM Security X-Force Red 漏洞管理服务，自 2021 年投入生产。该方案帮助安全从业者协助客户管理与优先级排序其漏洞，提供漏洞到攻击技术与威胁行为者的可解释映射。
引用
@article{arxiv.2206.11171,
title = {Attack Techniques and Threat Identification for Vulnerabilities},
author = {Constantin Adam and Muhammed Fatih Bulut and Daby Sow and Steven Ocepek and Chris Bedell and Lilian Ngweta},
journal= {arXiv preprint arXiv:2206.11171},
year = {2022}
}
备注
9 pages