Quantitative Evaluation of APT Attack and Defense Effectiveness based on Variable Fuzzy Sets
यह शोध पत्र APT-VFSEA मॉडल का प्रस्ताव करता है, जो एडवांस्ड पर्सिस्टेंट थ्रेट (APT) हमलों और रक्षाओं की अंतर्निहित अनिश्चितता और जटिलता को संबोधित करने के लिए वेरिएबल फजी सेट्स का उपयोग करके उनकी प्रभावशीलता का मात्रात्मक मूल्यांकन करता है, जिसका प्रयोगात्मक सत्यापन वास्तविक दुनिया के परिदृश्यों के विरुद्ध इसकी सटीकता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंटरनेट एक विशाल, हलचल भरे शहर की तरह है। आमतौर पर, सुरक्षा गार्ड केवल जेबकतरों (वायरस) या खिड़कियां तोड़ने की कोशिश करने वाले लोगों (डिनायल-ऑफ-सर्विस हमलों) की चिंता करते हैं। लेकिन फिर, एक नए प्रकार के अपराधी गिरोह का आगमन हुआ: एडवांस्ड पर्सिस्टेंट थ्रेट्स (APTs)। ये केवल साधारण उपद्रवी नहीं हैं; ये उन मास्टर जासूसों की तरह हैं जिन्हें एक विशिष्ट बैंक वॉल्ट में घुसने के लिए काम पर रखा गया है। वे केवल दरवाजा नहीं तोड़ते; वे हफ्तों तक ब्लूप्रिंट का अध्ययन करते हैं, ताला खोलने की कला सीखते हैं, दीवारों में छिप जाते हैं और बिना किसी को पता चले रहस्य चुरा लेते हैं। वे चालाक, जटिल और पकड़ में आने में बेहद कठिन हैं।
समस्या क्या है? सुरक्षा को मापने के पुराने तरीके एक भूत का वजन करने की कोशिश करने जैसे थे। पारंपरिक गणितीय मॉडल बहुत कठोर होते हैं। वे यह कहने की कोशिश करते हैं कि, "यह हमला ठीक 50% बुरा है," या "यह रक्षा 100% अच्छी है।" लेकिन APTs की इस उलझी हुई, धुंधली दुनिया में, कुछ भी इतना स्पष्ट नहीं है। कभी-कभी एक रक्षा एक परिदृश्य में पूरी तरह से काम करती है लेकिन दूसरे में विफल हो जाती है। कभी-कभी डेटा गायब या अस्पष्ट होता है। इस शोध पत्र के लेखक तर्क देते हैं कि इन धुंधली, अनिश्चित घटनाओं को कठोर बक्सों में फिट करने की कोशिश करना काम नहीं करता है।
तो, शोधकर्ताओं ने हुआझोंग यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी और वुहान टेक्सटाइल यूनिवर्सिटी के वैज्ञानिकों ने एक नया प्रकार का पैमाना बनाने का निर्णय लिया। उन्होंने इसे APT-VFSEA नाम दिया।
इस नए पैमाने को एक सीधी रेखा के रूप में नहीं, बल्कि एक आकार बदलने वाले जाल (shape-shifting net) के रूप में सोचें। पुराने दिनों में, यदि आप एक फिसलन भरी मछली (एक APT हमला) को एक कठोर बॉक्स के साथ पकड़ने की कोशिश करते, तो वह बस निकल जाती। लेकिन यह नया "वेरिएबल फजी सेट" जाल लचीला है। यह समझता है कि एक हमले का "आकार" या रक्षा की "शक्ति" कोई एकल संख्या नहीं है। इसके बजाय, यह संभावनाओं की एक सीमा है। यह पूछता है, "यह क्रिया 'बहुत खतरनाक' श्रेणी में कितनी आती है? यह 'मध्यम खतरनाक' श्रेणी में कितनी आती है?" यह केवल एक चीज़ में फिट होने के बजाय, इस आधार पर एक स्कोर की गणना करता है कि क्रिया विभिन्न खतरे के स्तरों में कितनी अच्छी तरह फिट बैठती है।
यह जांचने के लिए कि क्या उनका नया जाल वास्तव में काम करता है, टीम ने एक डिजिटल खेल का मैदान बनाया—एक सिम्युलेटेड विश्वविद्यालय परिसर नेटवर्क। उन्होंने एक "रेड टीम" (हमलावरों) को आमंत्रित किया जो प्रसिद्ध APT32 गिरोह (जिसे OceanLotus भी कहा जाता है) की तरह व्यवहार करे, जिसमें सॉफ्टवेयर की एक विशिष्ट कमजोरी CVE-2017-11882 का उपयोग किया गया था। हमलावरों ने एक नकली दस्तावेज़ के साथ सिस्टम को धोखा देने, एक ट्रोजन हॉर्स को चुपके से अंदर लाने और अपने पदचिह्नों को छिपाने की कोशिश की। इस बीच, "ब्लू टीम" (रक्षकों) ने घुसपैठ डिटेक्टर, लॉग कलेक्टर (Sysmon), फायरवॉल और एंटीवायरस सॉफ्टवेयर जैसे उपकरणों का उपयोग करके उन्हें रोकने की कोशिश की।
शोधकर्ताओं ने केवल यह अनुमान नहीं लगाया कि कौन जीता; उन्होंने अपने नए लचीले मॉडल के माध्यम से आंकड़ों को चलाया। यहाँ उन्हें क्या पता चला:
- हमलावरों के पहले कदम, यानी भेद्यता (vulnerability) का फायदा उठाने ने, 1 से 5 के पैमाने पर औसतन लगभग 3.68 का उच्च खतरा स्तर दर्ज किया।
- रक्षकों की पहली रक्षा पंक्ति (इंट्रूजन डिटेक्शन और लॉग कलेक्शन) का स्कोर क्रमशः लगभग 2.79 और 3.50 था। यह वास्तविकता से मेल खाता था: हमलावर अंदर घुस गए क्योंकि ये रक्षाएँ प्रारंभिक घुसपैठ को रोकने के लिए पर्याप्त मजबूत नहीं थीं।
- हालाँकि, जब रक्षकों ने उस विशिष्ट पोर्ट को ब्लॉक करने के लिए फायरवॉल का उपयोग किया जिसका हमलावर उपयोग कर रहा था, तो स्कोर बढ़कर 3.62 हो गया।
- असली नायक एंटीवायरस सॉफ्टवेयर साबित हुआ, जिसने 3.93 का उच्चतम स्कोर प्राप्त किया। यह एकमात्र चीज़ थी जो अन्य विफलताओं के बाद छिपी हुई फाइलों को वास्तव में ढूंढने और हटाने में सक्षम थी।
मॉडल ने सफलतापूर्वक भविष्यवाणी की कि शुरुआती रक्षाएँ विफल हो जाएंगी और एंटीवायरस सबसे प्रभावी उपकरण होगा, जो बिल्कुल वैसा ही था जैसा उनके सिमुलेशन में हुआ। लेखक सुझाव देते हैं कि यह तरीका पुराने तरीकों की तुलना में बेहतर है क्योंकि यह वास्तविक दुनिया के डेटा की "धुंधलेपन" (fuzziness) को संभालता है। यह 100% निश्चितता के साथ सब कुछ जानने का ढोंग नहीं करता है; इसके बजाय, यह अनिश्चितता को स्वीकार करता है और डेटा को कई कोणों से देखकर एक अधिक विश्वसनीय, स्थिर स्कोर प्रदान करता है।
लेकिन यहाँ एक पेंच है: यह एक सिमुलेशन था। टीम स्वीकार करती है कि उन्होंने इसका परीक्षण केवल एक छोटे, वर्चुअल कैंपस नेटवर्क पर किया। उन्होंने इसका परीक्षण विशाल औद्योगिक पावर ग्रिड या सरकारी गुप्त नेटवर्क पर नहीं किया। उन्होंने केवल एक प्रकार के हमले (दस्तावेज़ भेद्यता का उपयोग) को देखा, न कि उन सुपर-सीक्रेट "ज़ीरो-डे" हमलों या सप्लाई चेन हैक्स को जिनका उपयोग वास्तविक दुनिया के जासूस कर सकते हैं।
इसलिए, भले ही यह शोध पत्र सुझाव देता है कि यह नया "आकार बदलने वाला जाल" साइबर हमलों और रक्षाओं की प्रभावशीलता को मापने का एक बहुत बेहतर तरीका है, यह अभी तक दुनिया की हर समस्या को हल करने वाला कोई जादुई समाधान नहीं है। यह एक आशाजनक नया उपकरण है जो लैब में अच्छा काम करता है, लेकिन लेखक कहते हैं कि हमें यह देखने की आवश्यकता है कि क्या यह वास्तविक दुनिया के बहुत बड़े और अधिक जटिल युद्धक्षेत्रों में भी टिक पाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।