利用动态认知蜜罐对横向移动进行前瞻性风险缓解

高级持续性威胁的横向移动带来了严峻的安全挑战。由于横向移动的隐蔽性与持久性，防御者需从时间与空间位置整体考量，以发现跨大时间尺度的潜在攻击路径，并实现目标资产的长期安全。本工作中，我们提出一种时间扩展随机网络，对用户-主机企业网络中的随机服务链路与对抗性横向移动建模。我们在空闲生产节点上设计认知蜜罐，并将蜜罐链路伪装为服务链路，以检测并威慑对抗性横向移动。蜜罐位置在不同时刻随机变化，提升了其隐蔽性。由于防御者不知初始入侵与横向移动是否、何时及何地发生，蜜罐策略旨在降低目标资产的长期脆弱性（Long-Term Vulnerability, LTV），以提供主动且持久的保护。我们进一步刻画了三种权衡，即干扰概率、隐蔽性水平与漫游代价。为应对多攻击路径的维数灾难，我们提出一种迭代算法，并利用并集界近似 LTV，以实现认知蜜罐的计算高效部署。脆弱性分析结果揭示了当对抗性横向移动具有无限持续时间时 LTV 的边界、趋势及残差。除蜜罐策略外，我们获得了可妥协性的临界阈值，以指导当前系统参数的设计与修改，从而实现更高水平的长期安全。我们表明，若移动威慑概率不小于该阈值，则目标节点在无限阶段横向移动下可实现零脆弱性。