努力图：面向漏洞评估的 AI 使用风险量化

随着基于 AI 的软件变得广泛可用，利用其能力（如高度自动化和复杂模式识别）的风险可能会显著增加。被用于攻击非 AI 资产的 AI 被称为攻击性 AI。当前的研究探讨了如何利用攻击性 AI 以及如何对其使用进行分类。此外，针对组织内基于 AI 的资产，正在开发威胁建模方法。然而，仍存在需要解决的空白。首先，需要量化导致 AI 威胁的因素。其次，需要创建威胁模型，以分析组织所有资产在漏洞评估中遭受 AI 攻击的风险。这在云环境中尤为关键且具有挑战性，因为其中普遍存在复杂的基础设施和访问控制环境。量化和进一步分析攻击性 AI 所构成威胁的能力，使分析师能够对漏洞进行排序，并优先实施主动的对抗措施。为了解决这些空白，本文引入了努力图，这是一种直观、灵活且有效的威胁建模方法，用于分析对手利用攻击性 AI 进行漏洞利用所需的努力。虽然该威胁模型是可用的并提供了有价值的支持，但其设计选择需要在未来的工作中进行进一步的实证验证。