Enhancing cybersecurity risk assessment using temporal knowledge graph-based explainable decision support system

doi:10.1016/j.dss.2025.114526

Enhancing cybersecurity risk assessment using temporal knowledge graph-based explainable decision support system

2025-09-13

0

PRE

AI

DOI：10.1016/j.dss.2025.114526

原文链接

原文求助

摘要

En 中文

评估网络安全政策对任何组织应对不断演变的网络威胁都至关重要。缺乏全面的数据集阻碍了以往研究对组织网络安全政策风险的分析。以往研究未考虑政策中的时间信息。使用注意力机制分析网络安全政策需要自动确定最佳注意力单元数量，而这一问题尚未得到解决。此外，网络安全研究中解释性的缺失造成了理解政策漏洞和制定针对性解决方案的障碍。为解决这些挑战，我们开发了一个决策支持系统，该系统（i）增强了组织网络安全政策的风险分类，（ii）从190家公司的网站开发了一个全面的网络安全政策数据集，并将其转化为知识图谱以捕捉各类政策间的实体关系，（iii）通过整合网络攻击信息中事件序列的时间戳，将时间信息融入知识图谱，（iv）开发了基于可解释因子分析的Multi-Head Attention机制，该机制通过因子分析自动确定最佳注意力单元数量，并优化各注意力单元间的数据分配，（v）利用注意力热图和Shapley值实现可解释性。我们的网络安全政策数据集与四个基准数据集一起用于案例研究以进一步验证。结果表明，我们的模型优于其他最先进方法，达到87.78%的F1分数，随后进行了稳健性检验和统计显著性测试。最后，利用Shapley值解释模型输出以识别组织政策中的漏洞，为决策者提供关键见解，帮助其加强网络安全政策并减轻潜在威胁。

Enhancing cybersecurity risk assessment using temporal knowledge graph-based explainable decision support system

摘要

期刊

机构

引用论文