ailx10说:这篇是2025年8月之前写的,后来又改过。这篇回顾的是四年前研究态势感知的日子。那时没有太多绩效压力,能安静做实验,我就试着把攻击图变成资产关注排序,用 HITS 的两类分值反复更新、归一,看看哪些节点值得优先排查。后来想法进了专利,再回看那个阶段,确实带着一点怀念。所谓失陷排名并不是我已经证明机器中毒,而是给海量线索找一个排序办法。文章保留三节点的小例子,想把当年觉得有意思的图算法,用具体计算再走一遍,而不只留下一个成果名称。
该方法将资产的关系图结构转换为排序分值,用于决定排查优先级;分值没有经过概率校准,不能解释为失陷概率,也不单独证明失陷。
- 2020年10月15日:ailx10:安全态势感知中的主机关注度打分思考
- 2020年10月22日:ailx10:安全态势感知中的安全事件可信度思考
- 2021年9月26日:ailx10:安全态势感知中的告警误报思考
算法的核心思想:
- 任何一个节点有2个属性:Hub攻击性,Aut受害性,初始状态值都是1
- 节点的Hub值等于受害节点的Aut值之和,节点的Aut值等于攻击节点的Hub值之和
- 使用 L2 范数(欧几里得范数)对Hub值和Aut值进行归一化(把值框定在0-1之间)
- 计算所有节点状态变化的差值总和,小于指定的阈值,就停止迭代(达到稳态)
过程说明:
状态1:
- ABC节点的Hub值和Aut值都初始化为(1,1)
状态2:
-
A节点的Hub值等于C节点的Aut值 1,由于没有人攻击A,所以A的Aut值等于0,得到A =(1,0)
-
B节点和A节点过程一样
-
由于C没有攻击别人,C的Hub值等于0,C的Aut值等于AB的Hub值之和2,得到C=(0,2)
-
再对所有节点进行归一化
-
A=(0.7,0)
-
B=(0.7,0)
-
C=(0,1)
-
再和状态1的节点进行差值统计
-
Hub差值和=0.3+0.3+1
-
Aut差值和=1+1+0
-
大于阈值0.1,继续迭代
状态3:
-
A节点的Hub值等于C节点的Aut值1,由于没有人攻击A,所以A的Aut值等于0,得到A =(1,0)
-
B节点和A节点过程一样
-
由于C没有攻击别人,C的Hub值等于0,C的Aut值等于AB的Hub值之和1.4,得到C=(0,1.4)
-
再对所有节点进行归一化
-
A=(0.7,0)
-
B=(0.7,0)
-
C=(0,1)
-
再和状态2的节点进行差值统计
-
Hub差值和=0+0+0
-
Aut差值和=0+0+0
-
小于阈值0.1,停止迭代
最终,得到稳定状态:A的攻击性是0.7,B的攻击性是0.7,C的攻击性是0,因此,需要先排查AB资产,再排查C资产。这个算法跑下来,能给所有的节点都赋予攻击性,安全运营人员只需要圈定内网资产,按照攻击性排名,就能很快的找到最需要调查的资产。在护网重保期间,使用这种算法找失陷资产,非常快,非常爽。
中心性不是失陷概率,合法扫描也可能站在图的中心。把分数与真实标签和行为证据对照,图算法才能成为分析线索,而不是另一张难解释的排行榜。