利用概率图模型抢占高级持续性威胁
密码学与安全
2019-03-22 v1
摘要
本文提出 PULSAR，一个用于抢占高级持续性威胁（APTs）的框架。PULSAR 采用概率图模型（具体为因子图）基于运行时观测到的安全事件推断攻击的时间演化。PULSAR（i）从过往攻击中学习事件模式的统计显著性；（ii）将这些模式组合为因子图以捕捉攻击的进展；以及（iii）决定抢占性动作。PULSAR 的准确度与性能在 SystemX 的三项实验中评估：（i）一项包含过去 10 年 120 起成功 APTs 的数据集研究（PULSAR 准确识别 91.7%）；（ii）重放一组十起未见过的 APTs（PULSAR 在系统完整性违反前阻止了 10 起重放攻击中的 8 起，并在数据外泄前阻止全部十起）；（iii）PULSAR 的生产部署（在为期一个月的部署中，PULSAR 平均用一秒做决策）。
引用
@article{arxiv.1903.08826,
title = {On Preempting Advanced Persistent Threats Using Probabilistic Graphical Models},
author = {Phuong Cao},
journal= {arXiv preprint arXiv:1903.08826},
year = {2019}
}