DARKMENTION：一个用于预测面向企业的外部网络攻击的已部署系统
密码学与安全
2018-10-31 v1 人工智能
摘要
近期的数据泄露事件呼吁各组织主动识别其系统遭受的网络攻击。暗网/深网（D2web）论坛与交易市场为黑客提供了匿名讨论已有漏洞并将恶意软件商业化以利用这些漏洞的环境。这些平台为安全从业者提供了一个威胁情报环境，可从中挖掘与组织定向网络攻击相关的模式。本文描述了一个名为 DARKMENTION 的系统，它学习将 D2web 中的攻击指标与现实世界网络事件相关联的关联规则。利用学到的规则，DARKMENTION 在攻击发生前向安全运营中心（Security Operations Center, SOC）生成并提交预警。我们的目标是设计一个能自动生成及时、可操作、准确且透明的企业定向预警的系统。我们展示了 DARKMENTION 达成了该目标。特别地，我们表明它优于试图生成与两家企业相关网络攻击预警的基线系统，F1 分数平均分别提升约 45% 和 57%。此外，DARKMENTION 已作为更大系统的一部分部署，该系统基于与 IARPA 网络攻击自动非常规传感器环境（CAUSE）项目的合同构建。它正持续生成平均提前 3 天的攻击预警。
引用
@article{arxiv.1810.12492,
title = {DARKMENTION: A Deployed System to Predict Enterprise-Targeted External Cyberattacks},
author = {Mohammed Almukaynizi and Ericsson Marin and Eric Nunes and Paulo Shakarian and Gerardo I. Simari and Dipsy Kapoor and Timothy Siedlecki},
journal= {arXiv preprint arXiv:1810.12492},
year = {2018}
}