基于 Twitter 的漏洞利用检测器性能评估
密码学与安全
2020-11-09 v1
摘要
补丁优先级排序是信息系统安全的关键方面，而关于哪些漏洞已在野被利用的知识是帮助系统管理员完成此任务的强大工具。针对此特定应用对社交媒体进行分析，可通过收集在线讨论数据并应用机器学习技术检测真实世界漏洞利用，从而增强结果并带来更高敏捷性。在本文中，我们使用一种结合 Twitter 数据与公共数据库信息的技术，将漏洞分类为已利用或未被利用。我们分析不同分类算法的表现，考察不同杀毒数据作为真值的影响，并试验多种时间窗口大小。我们的发现表明，使用 Light Gradient Boosting Machine (LightGBM) 可改善结果，且在多数情况下，与一条推文及其发布用户相关的统计信息比推文文本本身更有意义。我们还展示了使用先前工作未提及的安全公司真值数据的重要性。
引用
@article{arxiv.2011.03113,
title = {Evaluating the Performance of Twitter-based Exploit Detectors},
author = {Daniel Alves de Sousa and Elaine Ribeiro de Faria and Rodrigo Sanches Miani},
journal= {arXiv preprint arXiv:2011.03113},
year = {2020}
}
备注
Paper accepted at the XX Brazilian Symposium on Information and Computational Systems Security (SBSeg)