#provenance-analysis

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Yuhan Meng, School of Computer Science, Peking University, Shaofei Li, School of Computer Science, Peking University, Jiaping Gui, Peng Jiang 0007, Ding Li 0001

本文提出 KnowHow,一种自动化应用 CTI 报告高级知识的在线溯源分析方法。现有攻击检测系统(如溯源分析)依赖底层系统事件(文件访问、网络连接等),而 CTI 报告中的知识以自然语言形式(如 ATT&CK 技术)描述,两者之间存在语义鸿沟。手动关联耗时且易错。KnowHow 的核心是一种新的攻击知识表示——gIoC(graph of Indicators of Compromise),它抽象了攻击的主体、客体和动作。通过将系统标识符(如文件路径)提升为自然语言术语,KnowHow 能够将系统事件与 gIoC 匹配,进而与自然语言描述的技术关联。然后,基于匹配的技术,KnowHow 推理攻击步骤的时间逻辑,检测潜在 APT 攻击。实验使用开源和工业数据集,KnowHow 准确检测了全部 16 个 APT 活动,而现有方法均产生大量误报。同时,KnowHow 将节点级误报最多减少 90%,且节点级召回率更高,对未知攻击和模仿攻击具有鲁棒性。该方法有效地弥合了高级 CTI 知识与低级日志之间的鸿沟,提升了溯源分析的准确性和可解释性。

💡 推荐理由: 该研究解决了 CTI 知识自动应用于溯源分析的难题,显著降低误报率,提升 APT 检测准确性和可解释性,对 SOC 分析师具有重要参考价值。

🎯 建议动作: 研究跟进

排序因子: 影响边界/网络设备 (+5) | 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)