从攻击树到定时随机博弈:一种新型入侵响应方法

《Computers & Security》:From attack trees to timed stochastic games: A novel intrusion response approach

【字体: 大 中 小 】 时间:2026年01月30日 来源:Computers & Security 6.8

编辑推荐:

  大多数动态入侵响应系统(Intrusion Response Systems, IRSs)使用模型来表征攻击模式和受保护系统的动态。它们通常基于某种数学框架,并且需要低层次的建模活动,即使对于有经验的最终用户来说,这也常常是困难且容易出错的。此外,迄今为止提出

  
大多数动态入侵响应系统(Intrusion Response Systems, IRSs)使用模型来表征攻击模式和受保护系统的动态。它们通常基于某种数学框架,并且需要低层次的建模活动,即使对于有经验的最终用户来说,这也常常是困难且容易出错的。此外,迄今为止提出的大多数基于模型的方法并未在结构上包含时间概念,而时间概念对于建模非瞬时防御和攻击行动是必要的。在本文中,研究人员引入了一种新颖的方法论,用于基于增强型攻击-防御树(Attack-Defense Trees, ADT)自动生成基于定时竞争随机博弈(Timed Competitive Stochastic Games)的IRSs,ADT是一种常用于表示攻击模式并基于攻击与响应之间的静态映射构建IRSs的形式化方法。研究人员正式且经验性地证明了:(i) 使用攻击与响应之间的静态映射,或者选择具有即时最小成本的行动来对抗攻击而不进行长期规划,会导致防御成本的低估;(ii) 基于所提出方法论得到的IRS的防御策略的总防御成本低于或等于基于静态映射的IRS所能获得的防御成本;(iii) 不考虑时间会导致防御成本的低估。然后,研究人员进行了实验,展示了所提出方法在规划时间和内存使用方面的可扩展性。
**论文解读:从攻击树到定时随机博弈的新型入侵响应方法**

**研究背景与问题**

自主计算(Autonomic Computing)领域定义了自配置、自优化、自愈合和自保护四种关键任务,其中自保护长期受到较少关注,尤其入侵响应(Intrusion Response, IR)研究在近十年才逐渐活跃。现有入侵响应系统(Intrusion Response Systems, IRSs)大多依赖模型来表征攻击模式与受保护系统动态,但面临两个核心问题:第一,模型通常需要低层次的数学建模,即使对有经验的系统管理员也困难且易出错;第二,大多数基于模型的方法未在结构上包含时间概念,无法准确建模非瞬时防御和攻击行动。攻击树(Attack Trees, AT)及其扩展——攻击-防御树(Attack-Defense Trees, ADT)虽被安全专业人员广泛使用,但仅提供攻击与响应之间的静态映射,缺乏长期规划能力,导致防御策略次优。因此,研究人员旨在开发一种自动生成IRS的方法,既能利用ADT的易用性,又能引入时间感知和长期规划优势,以降低防御成本并提高响应效果。

**研究内容与结论**

研究人员提出了一种名为Panacea的新方法论,能够从增强型ADT自动生成定时竞争随机博弈(Timed Competitive Stochastic Games)。该方法通过形式化证明和实验验证了三个命题:(i)基于静态映射或仅选择即时最小成本行动的IRS会导致防御成本低估;(ii)基于Panacea生成的IRS策略的总防御成本低于或等于静态映射IRS;(iii)不考虑时间同样导致防御成本低估。实验还展示了该方法在规划时间和内存使用方面的可扩展性。该研究的意义在于提供了一个易于采用的框架,使系统管理员能基于现有ADT自动构建具备长期规划能力的IRS,从而提升自保护性能。论文发表在《Computers》。

**主要技术方法(不超过250字)**

研究人员采用的关键技术方法包括:首先,扩展ADT为奖励攻击-防御树(Reward ADT, R-ADT),为其增加严格正且单调的成本函数,并明确定义预条件节点、攻击动作节点和防御动作节点及其映射关系。其次,将R-ADT自动转换为多智能体马尔可夫决策过程(Multi-Agent Markov Decision Process, MA-MDP)即随机博弈,通过为每个预条件节点创建布尔状态变量、将动作节点映射为代理动作集,并定义转移概率函数。第三,引入离散时间建模技术,在状态中加入时间差变量t,用于同步攻击者和防御者行动,避免无限状态空间。最后,利用ADTool工具设计R-ADT,通过Python脚本自动转换为PRISM-games建模语言,并使用PRISM-games求解器计算最优策略。实验在Intel Xeon Gold 6126处理器和500 GB RAM的服务器上进行,所有代码以开源许可证发布。

**研究结果**

**4.1. 调查Panacea的可扩展性**
- **S1:MDP状态数随R-ADT节点数指数增长**。通过测量不同大小R-ADT对应的MDP状态数,发现无论是否考虑时间,状态数均随节点数指数增长,且考虑时间时增长更显著。
- **S2:规划时间随R-ADT大小指数增长**。由于MDP状态数指数增加,规划时间也呈现类似趋势,但Panacea的最优解可离线计算,在线查询时间复杂度为O(1)。
- **S3:内存使用量随R-ADT大小指数增长**。MDP求解所需内存同样随R-ADT节点数指数增长,与状态数增长趋势一致。

**4.2. 用例:使用Panacea保护系统**
- **E1:MDP模型优于R-ADT模型**。通过比较R-ADT最低成本策略(R-ADT LC)、R-ADT最低距离策略(R-ADT LD)和Panacea的MDP模型,实验表明R-ADT模型总是支付更高防御成本,且Panacea能以更低成本赢得游戏(例如,选择Disable SOCKS5 Proxy和Reconfigure Apache)。
- **E2:引入时间不意味着更好的奖励,但改变了结果**。在时间感知模型中,所有模型成本均高于无时间模型,验证了命题3。此外,改变单个动作的执行时间(如将Disable SOCKS5 Proxy的时间从2秒增至4秒)可完全改变游戏结果(胜者从防御者变为攻击者),强调了时间建模的重要性。

**讨论与结论**

**讨论部分**:研究人员指出,估计执行时间和成本是复杂任务,未来可基于数字孪生和仿真工具(如Caldera、CybORG)辅助系统管理员。当前缺乏开源测试床,现有测试床如INSALATA、Softgrid、Arizona CWR存在局限,CybORG虽有潜力但依赖特定云平台。响应选择面临两大挑战:维度灾难和非平稳系统特性,深度强化学习(如深度Q网络)可同时缓解这些问题,但探索步骤可能导致次优策略。此外,模型定义、数学问题框架和工具性能仍是开放问题,例如如何将非结构化的CVE/NVD数据整合为模型库,以及如何实现近实时规划。

**结论部分翻译**:在这项工作中,研究人员提出了一种新方法论,名为Panacea,用于从增强型ADT自动生成定时竞争随机博弈。该工作的目标是提供一个易于采用的框架,用于训练和开发能够处理攻击和防御阶段的自主代理。从攻击树这一广为人知的安全框架出发,Panacea克服了MDP复杂建模阶段的内在挑战,同时受益于长期规划。评估在展示可扩展性见解后,介绍了如何将这一新方法论应用于用例,展示了Panacea的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号