面向Active Directory对手仿真的隐蔽感知MITRE ATT&CK技术路径级联概率预测框架

《Scientific Reports》：A cascaded probabilistic framework for stealth-aware MITRE ATT&CK path prediction in active directory adversary emulation

　　

主动式对手仿真需要预判多步攻击轨迹，然而现有方法依赖静态攻击图或单信号模型，无法同时满足连贯性、战术真实性和规避性。研究人员提出一种面向Active Directory（AD）环境的MITRE ATT&CK技术路径预测的级联概率框架，在该环境中穷举枚举不可行。其贡献是一种三阶段架构，将这些目标解耦而非混合。Stage 1为在观察到的威胁行为者链上训练的两层单向LSTM（长短期记忆网络），输出五候选池而非单一技术。Stage 2为经验马尔可夫战术转移门控（Markov tactic-transition gate），仅允许有证据支持的转移，包括严格线性杀伤链所排除的自环和后退移动。Stage 3根据检测规则语料库对幸存者重新排序，偏好规避性技术而非仅概率高的技术。候选在推理时被掩码为Windows适用技术，因此输出为技术链而非实例化路径。在prefix-disjoint（前缀不相交）协议下，即任何评估上下文均不出现在训练中，真实延续保留在五候选池中的频率高于一阶预测器或精确前缀查找表在相同配对上的表现。由于Stage 3既基于检测规则密度进行选择又由其评分，这些链针对选择器从未访问的独立维护语料库重新评分；暴露减少在该处持续存在，而正是这一迁移结果承载规避性主张。此处新颖之处在于结构可接受性是硬约束而非软权重，因此战术真实性不能因似然或隐蔽性而被牺牲。一个从单一初始访问技术启动的案例研究进一步表明，返回路径组合中的所有战术转移在语料库转移矩阵中均有证据支持，且没有预测步骤违反其技术的ATT&CK声明阶段集。

论文主体解读：面向Active Directory对手仿真的隐蔽感知MITRE ATT&CK技术路径级联概率预测框架

研究背景与问题：主动式对手仿真需要预判多步攻击轨迹，但现有方法依赖静态攻击图或单信号模型，无法同时满足连贯性、战术真实性和规避性。Active Directory（AD，活动目录）环境互联、以权限为中心且持久，凭据滥用、横向移动、持久化和提权等攻击面常由错误配置而非软件缺陷驱动；即使中等规模，穷举攻击路径也不可行。MITRE ATT&CK（对抗战术、技术与常识框架）虽是事实标准，但通常被静态使用，技术独立、时间关系隐含或手工编码。已有攻击图结构清晰但固定；马尔可夫/概率模型依赖强独立和警报覆盖；深度学习序列预测黑箱且对分布偏移脆弱；多数方法忽略防御者可见性。log-linear融合还会产生信号主导：高动态范围序列对数概率压制结构和隐蔽信号，生成合理但战术狭窄且暴露的链。因此研究人员提出级联三阶段概率框架，将目标解耦而非混合。其结论是生成式对手仿真框架可产生新但合理的多阶段、跨战术ATT&CK技术链，在序贯合理性、结构可接受性和检测暴露间联合推理；意义在于为仿真规划提供经验基础决策支持，且定位为执行前选择问题。

关键技术方法（≤250字）：研究人员使用MITRE CTID Sightings Ecosystem（超过160万分析师验证事件，ATT&CK v14）和Windows-APT 2025（36个MITRE Caldera模拟APT场景，Wazuh/Sysmon日志标注）构建统一序列语料，并解析Windows SigmaHQ检测规则（Sigma，一种厂商中立的日志检测规则格式；2,337条，其中2,083条含可解析ATT&CK标签）。技术空间限定为Windows适用ATT&CK技术。特征包括skip-gram Word2Vec技术共现嵌入、基于Sigma的隐蔽评分和14×14经验战术转移矩阵。模型为两层单向LSTM（长短期记忆网络，隐藏维256，历史20）。三阶段级联：Stage 1输出top-5候选；Stage 2用经验马尔可夫战术转移门控硬过滤；Stage 3在每战术池T+2中按隐蔽分重排。以战术分支束搜索（B=3,T=2,D=6,M=6）生成多路径，采用多样性保留剪枝与每战术路径上限。评估用prefix-disjoint（前缀不相交）协议，并用独立检测语料重评分。

研究结果：
Interpretation of results。在prefix-disjoint协议下，无评估上下文出现于训练，六个重叠条件为零。Stage 1保留K=5候选而非最终选择。模型在80.0%扩展中将真实延续保留在五候选池，优于一阶预测器58.4%和精确前缀查找表31.4%，基于935个评估对；验证Hit@5从0.654升至0.752。语料冗余高：303,497条记录降至3,954条不同序列，单序列占34.1%，C2（命令与控制）自环71.5%，故该协议必要。

Case study evaluation。以T1190（Exploit Public-Facing Application）为种子，B=3,T=2,D=6,M=6，生成六条路径，跨三个初始分支：Defense Evasion（TA0005）0.589、Privilege Escalation（TA0004）0.131、Persistence（TA0003）0.142；Command and Control（TA0011）不是第一步分支而是收敛点，所有六条路径在2–3步内到达T1071。Path 1为T1190→T1140→T1053→T1071→T1571→T1564.003。所有30个战术转移在语料矩阵中有非零支持，36步无一违反技术声明阶段集，并与Sandworm Team、Hafnium、APT28等文档化战术一致。相比log-linear基线，级联在Path 1第一步以T1140（stealth 0.969）替代T1218（0.710），相对隐蔽性增36.5%，绝对暴露降25.9点；六条路径最小每步stealth为0.942对0.710，提升0.232。

Ablation study。32个配对种子、每种子六路径。相对log-linear，级联降低平均检测暴露57%（S? 0.916→0.964），最差步暴露降55%（floor 0.802→0.911），效应大且p<0.001，Holm–Bonferroni后仍显著，floor在所有32种子保持。移除Stage 3恢复全部差距，确认隐蔽重排负责。tactic coverage（TC）无显著变化（0.287–0.289，p=0.91）。移除Stage 1提高TC至0.337但降低所有隐蔽量。移除tactic gate降低结构有效性1.000→0.989，是唯一产生不可接受转移的消融，并使路径6.00→3.56、战术3.000→1.781。移除每战术路径上限降低打开战术3.000→1.938、熵0.613→0.265（p<0.001），但隐蔽不变。多样性剪枝在报告规模不显著，深设置返回14.85/20路径。

Validation against independent detection corpora。因Stage 3既选择又评分Sigma，故用独立检测语料（MITRE CAR（Cyber Analytics Repository）、Elastic、Splunk、Atomic Red Team）重评分。移除Stage 3在独立语料仍显著提高暴露，效应大且种子方向一致；相对暴露降低14.0%，而优化目标为55.9%。移除tactic gate无显著变化（Δ=-0.010，p=0.07），作为负控制。秩相关中等，Spearman ρ=0.263–0.408，共识0.399，p<10^-5。74个无Windows Sigma规则技术中73个被其他语料覆盖。

Selection of fusion coefficients and sensitivity of the comparison。三个log信号尺度不同，span为19.06、6.68、0.53；指定权重下stealth有效影响为序列项的0.28%。五种加权程序返回stealth系数跨四个数量级，两种目标过程给0.0005，网格搜索给16.0，调参不稳定。138配置扫描中，仅一个未归一化配置在双方轴超过级联（w_tac=1.0，w_stl=16.0），优势0.0042和0.0078，但p=0.94和0.50不显著；级联严格支配48配置（35%）。达到级联区域需非原则系数8–16，机制是Stage 1对Stage 3的硬候选约束。

Comparative analysis。与攻击图、CVSS、学习ATT&CK技术预测比较。攻击图重静态可达性，CVSS重漏洞严重性、不排序，序列预测重最可能下一技术。本框架提供战术级广度和检测感知，不替代这些家族，而是在单一生成过程中组合战术广度和可检测性。

Limitations。框架精度受语料大小和时效影响；当前语料偏初始访问和执行技术；隐蔽表示可加强，加入商业EDR/XDR（端点检测与响应/扩展检测与响应）、行为分析和组织特定遥测；不建立实时部署检测器规避，需仪器化执行；输出是技术链而非执行计划，实例化需解析环境前提；与AD对象图耦合是未来方向。

讨论总结：讨论从定量评估、与文档化APT（高级持续性威胁）战术定性比较、战术转移一致性和隐蔽结构合理性验证。级联在无泄漏协议下优于基线，生成路径结构有效、战术多样且隐蔽性更高；Stage 3在独立语料上转移出14.0%暴露降低，支撑规避性声明。结构可接受性是硬约束，不能为似然或隐蔽牺牲战术真实。局限包括语料偏差、隐蔽代理非实际规避、输出非执行计划。

结论翻译：尽管MITRE ATT&CK有全面分类，Active Directory对手仿真仍依赖静态剧本或分析人员直觉，忽视检测姿态、技术流行度和真实战役的序列结构。本研究通过链感知概率框架弥合这些差距，将历史ATT&CK序列数据与Sigma导出的检测覆盖信号整合，以优先考虑序贯合理且防御不足的路径。该框架综合基于LSTM的序列似然、经验战术转移结构和隐蔽性（检测差距）评分三个信号，通过级联三阶段架构将每个信号作为连续硬过滤器而非线性混合应用。这使模型能够联合推理对手下一步可能做什么、哪些战术转移在语料中有经验证据支持（包括严格线性杀伤链排除的后退和自环转移），以及哪个选项最不可能被观察到，从而产生用于仿真规划的经验基础决策支持工具。未来工作将经由API（应用程序编程接口，如STIX/TAXII（结构化威胁信息表达/可信自动威胁情报交换）馈送）整合实时威胁情报，并采用滚动12个月窗口以维持时间相关性并适应演化中的对抗行为；进一步方向包括遥测驱动数据集增强、代理式红队规划、防御者感知条件路径生成、时间和版本感知序列建模、跨语料泛化。