ESASCF：面向网络安全合规性优化自动化的专长抽取、泛化与应答框架
密码学与安全
2025-01-22 v2 网络与互联网体系结构
摘要
网络威胁的暴露给各组织带来了全球性的压力，要求其遵守网络安全标准与策略以保护数字资产。漏洞评估（VA）与渗透测试（PT）是被广泛采用的安全合规（SC）方法，用于识别安全缺口并预判安全 breach。在计算机网络背景下，尽管使用了自主工具与系统，安全合规仍高度重复且耗费资源。在本文中，我们提出了一种新方法，通过正式引入、设计并开发专家系统自动化安全合规框架（ESASCF）来解决网络基础设施安全审计中日益严重的效率与有效性问题，该框架使工业和开源的 VA 与 PT 工具及系统能够以一种人类专家的方式抽取、处理、存储并复用专长，从而可直接应用于类似场景或周期性复测中。所实现的模型随后被集成进 ESASCF，并在不同规模的网络上测试，证明在时间和测试有效性方面高效，使 ESASCF 能在复测中自主接管 SC 并将专家从重复的 SC 环节自动化中解放出来，从而使专家能在临时合规测试中优先处理重要任务。所得结果验证了性能提升，典型企业网络首次 SC 中专家所需时间削减 50%，复测中削减 20%，代表了显著的成本降低。此外，该框架具有长期影响，体现在知识抽取、泛化与再利用上，其使得 SC 置信度不依赖于人类专家的技能、覆盖度及导致有影响的假阴性的错误决策。
引用
@article{arxiv.2307.10967,
title = {ESASCF: Expertise Extraction, Generalization and Reply Framework for an Optimized Automation of Network Security Compliance},
author = {Mohamed C. Ghanem and Thomas M. Chen and Mohamed A. Ferrag and Mohyi E. Kettouche},
journal= {arXiv preprint arXiv:2307.10967},
year = {2025}
}
备注
v5