地下论坛的撇脂术：从在线论坛中识别相关信息点
密码学与安全
2023-08-08 v1 机器学习
摘要
本文提出一种基于机器学习的方法，通过监控地下黑客论坛来检测在野漏洞利用行为。讨论在野利用的帖子数量日益增长，亟需一种自动处理主题与帖子的方案，并依据内容触发告警。为说明所提系统，我们使用CrimeBB数据集(包含从多个地下论坛抓取的数据)，并开发了一个有监督机器学习模型，可筛选引用CVE的主题并将其标注为概念验证、武器化或利用。借助随机森林，我们表明该分类任务的准确率、精确率和召回率均可达到0.99以上。此外，我们深入分析了武器化与利用在性质上的差异(例如解释决策树输出)，并探讨了与黑客社区相关的收益及其他方面。总体而言，我们的工作揭示了对在野漏洞利用的洞察，可用于为EPSS和Expected Exploitability等模型提供额外真值。
引用
@article{arxiv.2308.02581,
title = {Cream Skimming the Underground: Identifying Relevant Information Points from Online Forums},
author = {Felipe Moreno-Vera and Mateus Nogueira and Cainã Figueiredo and Daniel Sadoc Menasché and Miguel Bicudo and Ashton Woiwood and Enrico Lovat and Anton Kocheturov and Leandro Pfleger de Aguiar},
journal= {arXiv preprint arXiv:2308.02581},
year = {2023}
}
备注
2023 IEEE International Conference on Cyber Security and Resilience (IEEE CSR)