超越互联网扫描的网络风险评估
密码学与安全
2025-06-10 v1 机器学习
摘要
本文提出了一种针对网络风险定量化的研究，估计数据泄露的可能性。我们展示了使用从组织网站爬取的公开且易于获取的技术签名即可构建高度准确的网络风险评估模型。这一方法克服了以往依赖大规模 IP 地址扫描数据的局限性，后者因 IP 地址映射不完整/缺失以及大量中小型组织（SME）缺乏此类数据而受限。相比扫描数据，技术数字签名数据更容易获取数百万家 SME 的数据。我们的研究表明，这些技术签名与组织网络安全态势之间存在强烈关联。通过对不同网络事件数据集进行交叉验证，我们还概述了勒索病毒攻击受害者与更广泛的网络事件和数据泄露受害者之间的关键差异。
引用
@article{arxiv.2506.06604,
title = {Scoring the Unscorables: Cyber Risk Assessment Beyond Internet Scans},
author = {Armin Sarabi and Manish Karir and Mingyan Liu},
journal= {arXiv preprint arXiv:2506.06604},
year = {2025}
}