🤖 AI

Symbolic Attack Chain Generation from Atomic Red Team Techniques: An Empirical Study of Predicate Representation Granularity

Questo studio empirico dimostra che la riduzione della granularità della rappresentazione dei predicati nella generazione automatizzata di catene di attacco da nove a cinque categorie non influisce significativamente sulla validità o sul costo del piano, suggerendo che una granularità maggiore rifinisca principalmente la giustificazione strutturale piuttosto che la fattibilità delle catene di attacco generate.

Autori originali: Ramya Varunsegar

Pubblicato 2026-08-04

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ramya Varunsegar

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover insegnare a un robot come sbarcare in una fortezza digitale. Non puoi semplicemente dire al robot: "Vai a rubare il tesoro". Devi fornirgli una ricetta passo dopo passo: "Primo, trova la porta sul retro. Secondo, scassina la serratura. Terzo, entra all'interno". Nel mondo della cybersicurezza, queste ricette sono chiamate attack chains (catene di attacco). Sono i progetti che gli hacker usano per passare da un minuscolo punto di ingresso a un enorme furto di dati. I difensori studiano questi progetti per costruire allarmi e trappole migliori.

Per creare questi progetti, gli scienziati utilizzano un tipo speciale di logica informatica chiamata AI planning (pianificazione tramite IA). Immaginalo come un GPS super intelligente per hacker. Invece di tirare a indovinare, il GPS esamina tutte le possibili mosse e individua il percorso più efficiente per raggiungere l'obiettivo. Ma affinché il GPS funzioni, devi descrivere il mondo in modo molto preciso. Devi decidere esattamente quali "fatti" sono importanti. È importante che l'hacker abbia uno strumento specifico? È importante che sia loggato come amministratore? O è sufficiente dire "è all'interno"? Questa è la grande domanda: quanto dettaglio devi dare al robot prima che si confonda o commetta un errore? Se ne dai troppo poco, potrebbe pianificare un colpo impossibile. Se ne dai troppo, potresti sprecare tempo descrivendo cose che non cambiano affatto il risultato.

Questo è esattamente ciò che investiga il lavoro di Ramya Varunsegar. L'autrice voleva sapere se l'attuale "standard di riferimento" per descrivere le mosse di questi hacker fosse effettivamente necessario, o se fosse solo eccessivamente complicato.

Il Grande Esperimento: Semplificare la Ricetta

Per molto tempo, il miglior sistema per insegnare ai robot come hackerare (chiamato AURORA) ha utilizzato una lista di controllo molto dettagliata con nove diverse categorie per descrivere ogni singola mossa di un hacker. Era come avere un libro di ricette che non elencava solo "aggiungi sale", ma "aggiungi sale marino dal Pacifico", "aggiungi sale marino dall'Atlantico" e "aggiungi sale marino dall'Himalaya", anche se il gusto era lo stesso. I ricercatori si sono chiesti: Abbiamo davvero bisogno di tutte e nove le categorie, o possiamo farne a meno con meno categorie?

Per scoprirlo, hanno costruito una macchina per i test. Hanno preso una collezione di 16 tecniche di hacking reali (da una libreria chiamata Atomic Red Team) e hanno cercato di tradurle in due linguaggi diversi per il robot:

L'originale, complesso linguaggio a nove categorie.
Un nuovo linguaggio semplificato a cinque categorie che hanno creato osservando come questi attacchi funzionano realmente nella vita reale.

Hanno poi chiesto a un motore di pianificazione super intelligente (chiamato Fast Downward) di provare a risolvere il puzzle usando entrambi i linguaggi. L'obiettivo era vedere se la versione semplificata avrebbe fatto fallire il robot, avrebbe richiesto più tempo o avrebbe prodotto un piano peggiore.

I Risultati Sorprendenti

I risultati sono stati simili alla scoperta che una fotocamera 8K ad alta definizione non è sempre necessaria per vedere un gatto su un divano.

Tasso di Successo: Il robot è stato altrettanto efficace con la lista semplice a cinque categorie quanto con quella complessa a nove categorie. Entrambe le versioni sono riuscite a creare un piano di attacco valido per 13 delle 16 tecniche. Si tratta di un tasso di successo dell'81,3% per entrambi. Il dettaglio extra non ha aiutato il robot a riuscire più spesso.
Costo e Velocità: Il "costo" dei piani (quante fasi il robot doveva compiere) era esattamente lo stesso. La versione semplificata non ha fatto percorrere al robot una strada più lunga o tortuosa.
Il Controllo della "Fedeltà": Quando hanno confrontato i piani del robot con una "verità di base" creata da un essere umano (il percorso perfetto ed atteso), il robot ha ottenuto un punteggio perfetto di 1,0 (un match perfetto) in entrambi i casi.

L'Unico Ostacolo: Quando il Dettaglio Conta

Tuttavia, il documento non dice "buttate via tutti i dettagli". I ricercatori hanno scoperto che il dettaglio extra nel sistema a nove categorie aiutava principalmente con la spiegazione interna del perché un piano funzionasse, piuttosto che far funzionare meglio il piano stesso.

C'è stato un caso specifico in cui il dettaglio extra era cruciale. In una tecnica, un hacker aveva bisogno di essere un "Amministratore" per fare qualcosa. Ma il robot ha scoperto che essere un Amministratore non bastava; l'hacker doveva anche avere il potere di usare quella funzione su una connessione di rete. Il sistema semplificato a cinque categorie inizialmente ha mancato questa piccola ma vitale differenza. I ricercatori hanno dovuto aggiungere una specifica regola di "Ambiente" per risolvere il problema. Questo ha dimostato che, sebbene sia possibile semplificare le cose, bisogna fare attenzione a non fondere insieme due cose diverse solo perché sembrano simili.

Cosa Significa per il Futuro

Il messaggio principale è che, per il set specifico di 16 tecniche di hacking testate, il complesso sistema a nove categorie è un eccesso di zelo (overkill). Il sistema più semplice a cinque categorie funziona altrettanto bene nel generare catene di attacco valide.

Il documento suggerisce che gli esperti di cybersicurezza potrebbero non aver bisogno di costruire modelli così incredibilmente complessi per ogni situazione. Possono utilizzare un modello più snello e semplice, che è più facile da gestire e comprendere, senza perdere la capacità di prevedere come potrebbero colpire gli hacker. Tuttavia, l'autrice è attenta a dire che questo si basa su un set specifico di test. Ha scoperto che, sebbene l'esito fosse lo stesso, il ragionamento interno del robot era leggermente diverso. Le categorie extra nel vecchio sistema aiutavano a spiegare il "perché" con più dettaglio, ma non cambiavano il "cosa".

In breve, i ricercatori hanno scoperto che non è sempre necessario un microscopio per vedere l'immagine completa. A volte, un buon paio di occhiali è sufficiente per individuare l'intruso, a patto di sapere esattamente dove guardare.

Sintesi Tecnica: Generazione di Catene di Attacco Simboliche da Tecniche Atomic Red Team

1. Definizione del Problema

La generazione automatizzata di catene di attacco è essenziale per la moderna difesa cibernetica e il red teaming, tuttavia la costruzione manuale non riesce a scalare con l'espansione dei comportamenti degli avversari. Sebbene l'IA classica basata sulla pianificazione tramite il linguaggio PDDL (Planning Domain Definition Language) offra un metodo formale per automatizzare questo processo, essa si basa sulla traduzione accurata delle tecniche degli avversari in predicati simbolici.

Gli attuali sistemi all'avanguardia, come AURORA, utilizzano un modello di collegamento delle azioni di attacco (AALM) a nove categorie per definire gli stati di sistema. Tuttavia, la necessità di questa specifica granularità rimane non validata. Non è chiaro se un set ridotto di categorie di predicati possa ottenere una validità, un costo e una fedeltà del piano comparabili alle catene di attacco reali, o se l'elevata granularità sia semplicemente una scelta progettuale non verificata che aumenta la complessità rappresentativa senza migliorare i risultati del ragionamento. Questo articolo investiga l'impatto della granularità della rappresentazione dei predicati sulla validità, sul costo e sulla fedeltà delle catene di attacco generate automaticamente.

2. Metodologia

Lo studio impiega una pipeline ibrida che separa la traduzione linguistica dal ragionamento deterministico per mitigare i rischi di allucinazione associati ai Large Language Models (LLM).

2.1 Design della Ricerca

La metodologia centrale replica la pipeline di AURORA, ma tratta la granularità dei predicati come una variabile sperimentale piuttosto che come un'assunzione fissa.

Traduzione: Un LLM (GPT-4.1) traduce le definizioni dei test YAML di Atomic Red Team (ART) e le evidenze di esecuzione in candidati predicati PDDL.
Validazione: Uno script deterministico basato su regole (predicate_table.py) cross-valida gli output dell'LLM rispetto al YAML sorgente e ai trascrizioni di esecuzione.
Pianificazione: Il pianificatore Fast Downward (utilizzando astar(blind())) esegue tutto il ragionamento, l'ordinamento delle azioni e la generazione del piano.
Studio di Ablazione: Lo studio confronta due schemi su un corpus identico di 16 tecniche ART formalizzate:
1. AALM a Nove Categorie: Il sistema completo utilizzato da AURORA (Ambienti, Esecutori, Payload, File, Processi, Utenti, Informazioni, Dati, Tecniche).
2. Schema a Cinque Categorie: Uno schema ridotto derivato empiricamente dalle evidenze di esecuzione, che collassa le categorie come segue:
  - Payload $\rightarrow$ Esecutore
  - File e Tecnica $\rightarrow$ Ambiente
  - Utente e Privilegio $\rightarrow$ Privilegio/Utente
  - Informazione e Dati $\rightarrow$ Informazione

2.2 Raccolta Dati ed Esecuzione

Il corpus consiste in 16 tecniche che spaziano attraverso molteplici tattiche MITRE ATT&CK (Discovery, Persistence, Defense Evasion, Collection, Exfiltration).

Derivazione: Una "catena iniziale" di quattro tecniche (T1059.001, T1547.001, T1003.001, T1021.002) è stata eseguita per primo per derivare lo schema iniziale a cinque categorie. Fondamentalmente, l'evidenza di esecuzione ha forzato l'inclusione di una distinta categoria Privilegio/Utente (ad esempio, distinguere tra il possesso di privilegi admin e la capacità di esercitarli su un logon di rete).
Ambiente: Tutti i test sono stati esegtti in una VM Windows 11 isolata con rete host-only e Microsoft Defender attivo per garantire condizioni realistiche di protezione del endpoint senza rischi esterni.
Gestione dei Fallimenti: Le tecniche che non sono state in grado di eseguire (ad esempio, a causa di blocchi da parte di AV/EDR o payload mancanti) non sono state scartate. Al contrario, sono state codificate come "senza azione" nel file di dominio, permettendo al pianificatore di restituire correttamente "nessuna soluzione" come una rappresentazione valida del fallimento empirico.

2.3 Metriche di Valutazione

Lo studio valuta gli schemi utilizzando:

Validità del Piano/Tasso di Successo: Se viene generato un piano valido.
Costo del Piano: Il numero di azioni nel piano generato.
Fedeltà della Catena di Attacco: Similarità di Jaccard e distanza di edit rispetto a una catena ground-truth di ATT&CK costruita manualmente.
Risoluzione della Categoria del Predicato ( $\Delta P_i$ ): Una metrica che misura se lo schema a nove categorie forza una divisione nei predicati che lo schema a cinque categorie collassa.
Analisi del Modo di Fallimento: Classificazione del motivo per cui le tecniche resistono alla formalizzazione (ad esempio, lacune ambientali, sotto-specificazione).

3. Risultati Chiave

I risultati empirici dal corpus di 16 tecniche dimostrano che la granularità dei predicati ha un impatto minimo sulla viabilità dei piani generati.

Validità e Costo del Piano: I risultati sono stati ampiamente insensibili alla granularità. Sia lo schema a nove categorie che quello a cinque hanno raggiunto un tasso di successo identico dell'81,3% (13/16 tecniche). Per le nove tecniche risolte indipendentemente, il costo medio del piano era identico (1,0). Anche la catena iniziale di quattro fasi ha prodotto piani identici in entrambe le configurazioni.
Fedeltà della Catena di Attacco: La catena iniziale generata ha corrisposto esattamente alla catena ground-truth costruita manualmente (similarità di Jaccard = 1,0, distanza di edit = 0). L'articolo nota che questo conferma la correttezza della pipeline ma non pretende una fedeltà generalizzabile agli incidenti reali, poiché il corpus è stato selezionato per istanziare lo stesso scenario usato per costruire la catena di riferimento.
Risoluzione della Categoria del Predicato:
- 14 su 16 tecniche hanno mostrato una risoluzione nulla ( $\Delta P_i = 0$ ), il che significa che l'ulteriore granularità dello schema a nove categorie non ha cambiato la giustificazione strutturale del piano.
- T1560.001 è stata l'unica vera eccezione, in cui lo schema a nove categorie ha distinto tra i predicati Ambiente e File che lo schema a cinque categorie ha collassato.
- T1003.001 ha mostrato un guadagno di risoluzione, ma ciò è stato identificato come un artefatto di un predicato segnaposto utilizzato per una tecnica che è fallita completamente, ed è escluso dalla rivendicazione di un vero guadagno.
Modi di Fallimento: Lo studio ha catturato con successo i fallimenti sistematici. Ad esempio, T1055 (Process Injection) è fallita in 11/13 sottotest a causa del rilevamento della firma AV/EDR, e T1003.001 è fallita a causa di un diniego di accesso. Questi sono stati codificati strutturalmente come "nessuna soluzione" invece di essere coperti con segnaposto.

4. Significato e Contributi

L'articolo rivendica modestamente che, nell'ambito di questo specifico corpus e compito, uno schema di predicati ridotto a cinque categorie è sufficiente per preservare la capacità di pianificazione e eguagliare gli esiti del full AALM a nove categorie.

Contributi Primari:

Schema Derivato Empiricamente: Il lavoro fornisce uno schema di predicati a cinque categorie derivato dal basso (bottom-up) da reali evidenze di esecuzione ART, piuttosto che adottato a priori. Questa derivazione ha fatto emergere distinzioni causali necessarie (ad esempio, remote-admin-token-unfiltered) che uno schema arbitrario potrebbe mancare.
Invarianza della Granularità: Lo studio dimostra che, per le tecniche testate, l'alta granularità aumenta principalmente la risoluzione strutturale interna della giustificazione di un piano piuttosto che la viabilità o il costo della catena di attacco generata.
Fallimento-come-Evidenza: Il documento introduce un inquadramento in cui le tecniche che resistono alla formalizzazione (a causa di AV/EDR o payload mancanti) sono trattate come dati sostanziali sui limiti della modellazione simbolica. Codificandoli come "senza azione", l'output "nessuna soluzione" del pianificatore diventa una dichiarazione verificabile sul corpus piuttosto che un errore.
Validazione dell'Architettura della Pipeline: Il lavoro supporta una pipeline biforcata in cui l'LLM è confinato alla traduzione e un pianificatore deterministico gestisce il ragionamento. Questa architettura ha isolato con successo i rischi di allucinazione dell'LLM, con un tasso di correzione della traduzione misurato dell'11,0% (89/808 predicati), che è stato intercettato dal controllo indipendente basato su regole prima di raggiungere il pianificatore.

Limitazioni:
L'autore nota esplicitamente che le scoperte sono specifiche per questo corpus di 16 tecniche e per un singolo ambiente VM. La metrica del costo del piano ha avuto un potere discriminatorio limitato, poiché la maggior parte delle tecniche erano piani a singola azione. Inoltre, l'esatta corrispondenza di fedeltà con il ground truth è da leggersi come prova della correttezza della pipeline per la narrativa selezionata, non come prova di una fedeltà generalizzabile a indipendenti incidenti del mondo reale.

5. Conclusione

Lo studio conclude che, sebbene il AALM a nove categorie non sia errato, non è strettamente necessario per la validità o il costo della generazione di catene di attacco nel contesto studiato. Il ridotto schema a cinque categorie ha preservato la capacità di pianificazione e ha eguagliato il modello completo in ogni esito misurato, tranne che per una tecnica (T1560.001), riducendo al contempo la complessità rappresentativa. Il lavoro suggerisce che, per la generazione automatizzata di catene di attacco, l'attenzione debba concentrarsi sulle distinzioni causali rivelate dalle evidenze di esecuzione piuttosto che sull'aderenza a una tassonomia a granularità fissa.