Mathematical Modelling of Cybersecuritythreat Dynamics Using a Compartmental approach

Stellen Sie sich das Internet nicht als eine Wolke aus Daten vor, sondern als eine geschäftige, unsichtbare Stadt, in der Millionen von Computern leben, kommunizieren und Informationen handeln. Genau wie eine Stadt voller Menschen kann auch diese digitale Metropole krank werden. Wenn ein Computervirus oder eine Schadsoftware (Malware) einen Weg hineinfindet, sitzt sie nicht einfach nur da; sie breitet sich aus, infiziert Nachbarn und verwandelt diese in neue Träger der Krankheit. Dies ist die Welt der Cybersicherheit, einem Bereich, der sich der Aufgabe widmet, unsere digitale Stadt sicher zu halten. Jahrelang haben Wissenschaftler versucht, diese Ausbrüche mithilfe von „kompartimentalen Modellen“ vorherzusagen, bei denen es sich im Grunde um ausgeklügelte Karten handelt, die Computer in verschiedene Gruppen einteilen: jene, die gesund sind, jene, die krank, aber im Verborgenen sind, jene, die den Virus aktiv verbreiten, und jene, die geheilt oder zerstört wurden. Während diese Karten nützlich sind, haben die alten Modelle oft einige der hinterhältigsten Teile des Spiels übersehen, wie etwa die „Latenzphase“, in der ein Computer infiziert ist, aber noch nicht angegriffen hat, oder die spezifische Rolle eines Computers, der gekapert wurde, um organisierte Angriffe zu starten.

In dieser neuen Studie hat ein Team von Forschern aus Universitäten in Pakistan, Ghana, Aserbaidschan und der Türkei eine detailliertere, sechsspurige Autobahnkarte erstellt, die zeigt, wie Cyberangriffe verlaufen. Sie nennen ihr Modell „SEAMRD“, was für Susceptible (Anfällig), Exposed (Exponiert), Malicious (Bösartig), Attacker (Angreifer), Recovered (Genesen) und Dead (Tot) steht. Betrachten Sie es als ein Spiel des digitalen Fängers mit sechs verschiedenen Rollen. Ein Computer beginnt als Susceptible (gesund, aber anfällig). Er wird „getaggt“ und wird zu Exposed (infiziert, aber im Schlafmodus, wie ein schlafender Agent). Dann erwacht er als Malicious (infiziert und verbreitet den Virus). Einige von ihnen erwachen noch aggressiver als Attacker (starten aktive Angriffe). Die gute Nachricht ist, dass einige zu Recovered werden (repariert und sicher), während das Worst-Case-Szenario ist, dass sie zu Dead werden (dauerhaft beschädigt und aus dem Netzwerk entfernt). Die Forscher nutzten komplexe Mathematik, um zu simulieren, wie diese Gruppen interagieren, und berechneten eine „Propagationszahl“ (genannt $R_0$), die uns sagt, wie wahrscheinlich es ist, dass ein Ausbruch das gesamte Netzwerk übernimmt. Ihre Simulationen legen nahe, dass die Geschwindigkeit, mit der sich der Virus ausbreitet, der wichtigste Treiber eines Ausbruchs ist, aber dass starke Erholungssysteme und „Bewusstsein“ (wie bessere Sicherheitsupdates) als Schutzschild wirken können, der die Ausbreitung verlangsamt und eine Epidemie potenziell stoppt, bevor sie richtig Fuß fasst.

Die digitale Stadt und ihre sechs Zonen

Um zu verstehen, was diese Forscher getan haben, lassen Sie uns durch ihre digitale Stadt gehen. In der realen Welt kann es sein, dass man sich nach dem Einfangen einer Erkältung einige Tage lang gut fühlt, bevor man anfängt, alle anzuniesen. In der Computerwelt wird dies als „Exposed“-Phase bezeichnet. Ein Computer wurde von einem Virus getroffen, verbreitet ihn aber noch nicht. Alte Modelle haben diesen Schritt oft übersprungen oder mit der „kranken“ Phase zusammengefasst. Aber dieses Team erkannte, dass im Computerwesen der Unterschied zwischen einem schlafenden und einem aktiven Virus enorm groß ist.

Sie unterteilten jeden Computer in ihrem Netzwerk in einen der sechs Eimer:

1. Susceptible (S): Dies sind die gesunden Computer, offen und bereit, infiziert zu werden. Sie sind die „uninfizierte“ Bevölkerung.
2. Exposed (E): Diese Computer wurden von einem Virus getroffen, befinden sich aber in einem „latenz- oder Ruhezustand“. Sie sind infiziert, verbreiten ihn aber noch nicht. Es ist wie ein Computer, der eine Virusdatei heruntergeladen hat, sie aber noch nicht ausgeführt hat.
3. Malicious (M): Jetzt ist der Virus wach. Diese Computer sind infiziert und verbreiten die Malware aktiv an andere.
4. Attacker (A): Das ist der gruselige Teil. Einige infizierte Computer verbreiten nicht nur den Virus; sie werden zu „Zombies“, die genutzt werden, um organisierte, aggressive Angriffe auf andere Systeme zu starten. Die Forscher behandelten diese als eine separate, hochgefährliche Gruppe.
5. Recovered (R): Dies sind die Computer, die gereinigt, gepatcht und abgesichert wurden. Sie sind zurück im Spiel, sicher vor dem aktuellen Virus.
6. Dead (D): Manchmal ist ein Virus so zerstörerisch, dass er das System dauerhaft lahmlegt. Diese Computer sind „tot“ – sie werden aus dem Netzwerk entfernt und können weder infiziert werden noch andere infizieren.

Die Mathematik hinter dem Wahnsinn

Die Forscher haben nicht einfach geraten, wie diese Gruppen interagieren; sie schrieben eine Reihe von Gleichungen (ein System nichtlinearer Differentialgleichungen), um den Fluss der Computer zwischen diesen sechs Zuständen zu beschreiben. Stellen Sie sich ein System von Wassertanks vor, bei dem Wasser von einem Tank in den nächsten fließt. Der „Susceptible“-Tank verliert Wasser an den „Exposed“-Tank, wenn ein Virus zuschlägt. Der „Exposed“-Tank fließt in den „Malicious“-Tank über, wenn der Virus erwacht. Der „Malicious“-Tank kann in den „Attacker“-Tank, den „Recovered“-Tank oder den „Dead“-Tank übergehen.

Eines der wichtigsten Dinge, die sie berechneten, ist etwas namens $R_0$ (die grundlegende Propagationszahl). Vereinfacht gesagt ist $R_0$ ein Wert, der Ihnen sagt: „Wenn ein infizierter Computer in ein Netzwerk gesunder Computer eintritt, wie viele neue Computer wird er im Durchschnitt infizieren?“

• Wenn $R_0$ kleiner als 1 ist, wird der Virus schließlich aussterben. Es ist wie ein Feuer, das nicht genug Brennstoff hat, um weiter zu brennen.
• Wenn $R_0$ größer als 1 ist, wird sich der Virus exponentiell ausbreiten und eine Epidemie verursachen.

Das Team nutete eine Methode namens „Next-Generation Matrix“, um diesen Wert für ihr spezifisches SEAMRD-Modell zu berechnen. Sie fanden heraus, dass die Übertragungsrate (wie leicht der Virus von einem Computer auf einen anderen springt) der dominanteste Faktor ist. Wenn sich der Virus leicht verbreitet, schießt $R_0$ in die Höhe. Sie fanden jedoch auch heraus, dass eine Erhöhung der „Erholungsrate“ (wie schnell wir Computer patchen und reparieren) und der „Bewusstseinsrate“ (wie schnell wir den Angriff erkennen und stoppen) $R_0$ senken kann.

Die Stabilität des Systems

Die Forscher stellten dann eine entscheidende Frage: „Ist dieses System stabil?“ In mathematischen Begriffen wollten sie wissen, ob das Netzwerk von Natur aus zu einem gesunden Zustand zurückkehren würde oder ob es in einem Zustand ständiger Infektion verharren würde.

Sie bewiesen zwei Hauptdinge:

1. Der „Kein-Virus“-Zustand ist stabil (wenn $R_0 < 1$): Wenn die Übertragungsrate niedrig genug ist (das heißt, der Virus ist nicht sehr ansteckend oder wir sind sehr gut darin, Dinge zu reparieren), wird sich das Netzwerk natürlich in einem Zustand einpendeln, in dem keine Computer infiziert sind. Sie nutzten ein mathematisches Werkzeug namens „Lyapunov-Funktion“, um zu beweisen, dass das Netzwerk, egal wie der Virus beginnt, schließlich aussterben wird, wenn $R_0$ unter 1 liegt.
2. Der „Infizierte“-Zustand ist stabil (wenn $R_0 > 1$): Wenn der Virus zu stark ist und $R_0$ über 1 liegt, wird das Netzwerk in einem Zustand verharren, in dem der Virus immer präsent ist. Er wird nicht von selbst verschwinden. Das System wird ein „Malicious Equilibrium“ erreichen, in dem es immer eine gewisse Anzahl an infizierten, angreifenden und toten Computern gibt.

Was lässt den Virus gewinnen oder verlieren?

Um herauszufinden, an welchen Hebeln wir ziehen können, um einen Angriff zu stoppen, führte das Team eine „Sensitivitätsanalyse“ durch. Dies ist vergleichbar mit dem Testen, welche Knöpfe an einer Maschine den größten Effekt auf den Output haben. Sie veränderten jeden Parameter in ihren Gleichungen, um zu sehen, wie stark er den $R_0$-Wert veränderte.

Die Ergebnisse waren eindeutig:

• Die Übertragungsrate ($\beta$): Dies ist der Endgegner. Wenn sich der Virus schneller ausbreitet, explodiert die Infektion. Dieser Parameter hat den stärksten positiven Einfluss auf $R_0$.
• Die Erholungsrate ($\gamma$) und die Entfernungsrate ($\delta$): Dies sind die Helden. Wenn wir Computer schneller reparieren können (Erholung) oder defekte Computer aus dem Netzwerk entfernen (Entfernung), sinkt der $R_0$-Wert signifikant.
• Der Übergang zum „Attacker“ ($\pi_A$): Die Rate, mit der ein „Malicious“-Computer zu einem „Attacker“ wird, spielt ebenfalls eine Rolle. Je aggressiver die infizierten Computer werden, desto schwieriger ist es, die Ausbreitung zu stoppen.

Das Fazit

Die Studie kommt zu dem Schluss, dass wir zwar nicht jeden Cyberangriff stoppen können, aber wir können die Ausbreitung kontrollieren. Die Simulationen deuten darauf hin, dass wir, wenn wir uns auf intensive Erholungssysteme (schnelles Reparieren von Computern) und geeignete Kontrollmechanismen (das Verhindern der Ausbreitung des Virus) konzentrieren, die Anzahl der Infektionen reduzieren können.

Die Forscher sagten nicht nur „es ist eine gute Idee“; sie nutzten rigorose Mathematik, um zu beweisen, dass das Netzwerk zu einem sicheren, virusfreien Zustand zurückkehren kann, wenn wir die Übertragungsrate niedrig und die Erholungsrate hoch halten. Es ist jedoch entscheidend zu verstehen, dass nicht alle infizierten Computer gleich sind. Einige schlafen nur, einige verbreiten etwas und einige greifen aktiv an. Indem wir sie in unseren Verteidigungsstrategien unterschiedlich behandeln, können wir eine widerstandsfähigere digitale Stadt bauen.

Am Ende ist diese Arbeit ein Entwurf für eine intelligentere Verteidigung. Sie besagt, dass wir durch das Erkennen der verschiedenen Stadien eines Cyberangriffs und das Reagieren mit der richtigen Geschwindigkeit das Blatt zu unseren Gunsten wenden können, um eine potenzielle digitale Apokalypse in ein beherrschbares, kontrolliertes Ereignis zu verwandeln. Die Mathematik sagt: Wenn wir schnell patchen und Bewusstsein verbreiten, verliert der Virus.