.png){kind=icon}
返回
Progressive attack graph: a technique for scalable and adaptive attack graph generation
.png){kind=icon}
OA
AI
DOI：10.1007/s10207-025-01125-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在现代计算机网络中，面对日益发生的复杂网络攻击，及时的网络风险评估变得至关重要。攻击图（AG）是针对计算机网络中多步攻击进行网络风险评估的一种高效解决方案。然而，其构建受到源自过程固有组合复杂性的显著可扩展性挑战的阻碍。这种顺序化方法导致在分析能力得以利用前出现长时间的延迟。此外，由于攻击图生成所需时间较长，现有技术难以捕捉网络结构的动态演化，从而限制了其根据环境变化提供实时适应性的能力。为解决这些问题，本文通过StatAG重新思考经典攻击图分析，这是一种新型工作流，允许分析师随时查询系统，从而在攻击图生成完成前实现具有可量化统计意义的实时分析。为达成此目标，我们结合渐进式数据分析与统计分析。除了渐进式计算所提供的实时能力外，我们还通过两种算法加速攻击图的生成，以加速生成攻击图的统计显著性收敛。前者是关于加权路径采样，以避免随机游走引入的潜在高碰撞次数。后者提出了与攻击路径数量成线性关系的Kolmogorov-Smirnov距离的近似版本。统计显著性使得每次分析都能进行渐进式攻击图生成，在此基础上，我们提出SteerAG通过分析查询来引导加速生成。SteerAG利用机器学习（ML）模型，特别是决策树，从已生成的攻击路径中学习漏洞特征，以推导出引导规则，从而实现加速。为展示所提出工作流的能力，我们进行了广泛的定量验证，并在前所未有的网络规模上呈现了一个实际案例研究。这证明了我们方法在可扩展性和适应常见攻击路径分析方面的优势。
Keyword:
Attack graph
Attack path analysis
Progressive computation
Progressive data analysis
Statistical significance
Computational steering
期刊
I
IF:
3.2
论文数:
141
被引数:
1.8K
机构
暂无机构信息
引用论文
Graph neural network-based attack prediction for communication-based train control systems基于图神经网络的通信列车控制系统攻击预测
OAAI
OAAI分享收藏Generation Method of Network Attack Graph Based On Greedy Heuristic AlgorithmFeng, L. Wang, J. Zhang, Z. Cai, Y. Gan, 基于贪婪启发式算法的网络攻击图生成方法, 混合信息技术国际期刊 10 (6) (2017) 23–32. doi:10.14257/ijhit.2017.10.6.03. http://gvpress.com/journals/IJHIT/vol10_no6/3.pdf
PREAI
分享收藏It is Time To Steer: A Scalable Framework for Analysis-Driven Attack Graph GenerationA. Palma, M. Angelini, 是时候转向了：一种基于分析驱动的攻击图生成可扩展框架，载于：J. Garcia-Alfaro, R. Kozik, M. Choraś, S. Katsikas 主编，《计算机安全——ESORICS 2024》，Springer Nature Switzerland, Cham, 2024, 第229-250页。
PREAI
分享收藏A Graph-Based Security Framework for Securing Industrial IoT Networks from Vulnerability Exploitations基于图的安全框架，用于保护工业物联网网络免受漏洞利用.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A scalable algorithm for network reachability analysis with cyclic attack graphs一种用于循环攻击图网络可达性分析的扩展性算法
PREAI
分享收藏
查看更多内容