图神经网络在辅助防御性网络作战中的应用

在一个日益互联的世界中，信息是现代社会的命脉，常规的网络攻击破坏了数字系统和信息的机密性、完整性和可用性。此外，网络攻击因目标而异，并迅速演变以规避防御系统。然而，典型的网络攻击展示了一系列从攻击发起到最终解决的阶段，称为攻击生命周期。这些多样化的特征和网络攻击的持续演变，已促使网络防御采用机器学习等现代方法来加强防御措施并打破攻击生命周期。在所采用的机器学习方法中，图神经网络（GNN）因其处理和从异构网络威胁数据中学习的能力，已成为一种有前景的增强防御措施有效性的方法。在本文中，我们探讨了 GNN 在辅助打破最著名的攻击生命周期之一——洛克希德·马丁网络杀伤链（CKC）的每个阶段中的应用。我们针对 CKC 的每个阶段，从防御角度讨论 GNN 如何有助于准备和预防攻击。此外，我们还讨论了开放的研究领域和进一步的改进空间。