企业网络持续面临高级持续性威胁(APT)的攻击,攻击者利用软件漏洞逐步渗透关键资产。随着披露的漏洞数量增长,资源受限的组织必须优先修补哪些漏洞。现有的漏洞优先级标准(如CVSS)对每个漏洞独立评分,无法评估修补策略在对抗随时间在网络中推进的攻击者时的实际效果。先前的模拟工具采用强化学习(RL)模拟攻击活动,但要么忽略了漏洞管理(即攻击者不受防御阻碍),要么依赖与真实威胁数据脱节的合成网络,因此无法评估策略对抗真实攻击者的表现。为填补这一空白,本文提出了VulnGym,一个用于评估漏洞管理策略的仿真工具。VulnGym模拟一个由RL训练的攻击者,其行为基于真实的APT配置文件(如攻击模式、速度、目标选择),同时防御者执行可配置的修补策略(如基于CVSS分数、资产重要性等)。两者在一个共享且持续演化的网络表示上行动,攻击者的进展直接受防御者修补活动的影响,从而能够对给定策略进行压力测试。实验基于真实世界的漏洞数据(如CVE)和两个APT案例(例如APT29、APT41等,摘要未明确但提及两个APT),结果显示漏洞管理必须根据组织环境、对手行为、网络拓扑和资产关键性进行定制化调整。该工具可帮助安全团队在部署前比较不同修补策略的效果,优化资源分配。
💡 推荐理由: 提供首个结合真实APT配置文件与真实CVE的仿真平台,使安全团队能够量化不同修补策略对抗动态攻击者的效能,弥补当前优先级标准的静态缺陷。
🎯 建议动作: 研究跟进