Resumo Técnico: Estrutura GTI-mSEMP

Declaração do Problema

A rápida proliferação de ameaças de malware automatizadas e multivetoriais representa um risco crítico para redes ciber-físicas heterogêneas e com recursos limitados, particularmente dentro do ecossistema da Internet das Coisas (IoT). Os modelos epidemiológicos existentes utilizados para simular a propagação de malware (como os modelos SEIR padrão) frequentemente tratam as defesas de segurança como parâmetros estáticos. Essa abordagem falha em capturar as manobras estratégicas e assimétricas entre atacantes e defensores, onde as estratégias defensivas devem se adaptar dinamicamente às ações ofensivas sob rigorosas restrições computacionais e operacionais. Consequentemente, os modelos tradicionais não conseguem prever com precisão os estados populacionais de nós localizados ou a dinâmica transitória da segurança de rede em ambientes altamente adversariais.

Metodologia

Para abordar essas limitações, os autores propõem a estrutura GTI-mSEMP (Game-Theory-Integrated Modified Multi-Wireless Sensor Epidemic Malware Propagation). Este modelo integra a teoria dos jogos estocásticos com a modelagem epidemiológica compartimentada para criar um ambiente de simulação dinâmico.

Formulação Matemática Central:
A estrutura modifica o modelo padrão Suscetível-Exposto-Infectado-Recuperado (SEIR) ao tratar as taxas de transição como variáveis dinâmicas dependentes dos perfis estratégicos tanto do atacante ($A$) quanto do defensor ($D$).

• Estado Suscetível ($S$): A probabilidade de transição ($p$) de Suscetível para Exposto é modelada como uma função da densidade espacial da rede ($\rho$), da matriz de estratégia ofensiva do atacante ($A$) e da matriz de política de mitigação do defensor ($D$). A probabilidade é definida como uma razão entre o investimento ofensivo e a soma do investimento ofensivo e da eficiência defensiva.
• Estado Exposto ($E$): A taxa de transição ($\lambda_1$) de Exposto para Infectado não é mais uma constante fixa, mas um coeficiente dinâmico influenciado pela otimização de payload do atacante e pela intensidade de auditoria de tempo de execução do defensor.
• Estado Infectado ($I$): A taxa de recuperação ($\gamma$) é formalizada como uma função conjunta das estratégias atacante-defensor, representando a taxa na qual os nós são com sucesso corrigidos (patched) ou removidos da rede.
• Estado Recuperado ($R$): O modelo inclui um coeficiente de ressuscetibilidade ($\delta$) que contabiliza os nós revertendo para um estado vulnerável devido à expiração de patches ou resets de configuração, também governado pela interação estratégica entre adversários.

Configuração de Simulação:
A estrutura foi avaliada utilizando um ambiente MATLAB com um solver numérico de Runge-Kutta de 4ª ordem (RK4). A simulação modelou uma topologia de rede heterogênea consistindo em três classes de nós: Gateways Centrais (Core Gateways), Nós de Roteamento Intermediários e Sensores Periféricos de Baixo Consumo. Dois vetores de ameaça primários foram simulados: Ataques de Força Bruta (BFA) e Exploits de Dia Zero (Zero-Day).

Três regimes operacionais foram analisados para testar a sensibilidade da estrutura:

1. Confronto de Equilíbrio Balanceado: Alocação de recursos simétrica entre atacante e defensor.
2. Surto de Exploit Evasivo: Um cenário onde o defensor é superado, simulando um descompasso estratégico.
3. Quarentena Agressiva: Uma postura de defesa endurecida com recursos concentrados em gateways centrais.

Principais Contribuições

1. Taxas de Transição Dinâmicas: O artigo introduz uma formulação matemática onde as taxas de transmissão, taxas de recuperação e números de reprodução efetivos não são invariantes no tempo, mas sim variáveis dinâmicas dependentes de perfis estratégicos localizados executados dentro de uma estrutura de jogo estocástico.
2. Modelagem de Matriz Estratégica: Os autores formalizam as estratégias ofensivas e defensivas como matrizes $n \times m$, permitindo a alocação de recursos através de diferentes classes de nós e vetores de exploit simultaneamente.
3. Otimização de Ciclo Fechado: A estrutura demonstra um mecanismo de defesa reativo onde o defensor atualiza dinamicamente os pesos de alocação de recursos com base na pegada de infecção em tempo real (estados $I$ e $E$) de camadas específicas da rede.

Resultos e Discussão
Simulações numéricas produziram as seguintes observações através dos três regimes operacionais:

• Defesa Balanceada vs. Assimétrica: No Confronto Balanceado (Caso I), a rede atingiu o teto de remediação global mais alto (~435 nós), sugerindo que uma distribuição equilibrada de capital defensivo através de todas as camadas topológicas produz uma resiliência de longo prazo superior em comparação com estratégias hiper-localizadas.
• Vulnerabilidade da Defesa Concentrada: No Quarentena Agressiva (Caso III), embora os gateways centrais tenham sido endurecidos, a concentração de ativos defensivos deixou as camadas intermediárias de roteamento e periféricas vulneráveis. Isso permitiu que adversários explorassem setores não protegidos, acelerando a depleção de nós saudáveis em todo o sistema em comparação com o declínio mais gradual em outros casos.
• Impacto dos Vetores de Escalonamento: O estudo destacou a importância crítica dos coeficientes de eficiência de escalonamento ($\eta$ para defesa vs. $\mu$ para ataque).
  • Quando os fatores de escalonamento defensivo mantiveram vantagem ($\eta > \mu$), o sistema exibiu uma pegada epidêmica suprimida e um pico de Infectados ($I$) achatado.
  • Quando os vetores de escalonamento foram invertidos para favorecer as capacidades ofensivas (simulando uma vantagem severa do adversário), a rede experimentou uma cascata epidêmica massiva e incontrolável. A população Infectada atingiu o pico em aproximadamente 450 nós (um aumento de >400% em relação ao cenário favorável ao defensor), e a população Suscetível caiu para níveis criticamente baixos (125 nós).
• Alocação Dinâmica de Recursos: A simulação confirmou que a atualização contínua da distribuição de recursos em tempo real, baseada no cenário de ameaça em mudança, combate com sucesso as estratégias de atacante evasivas e dita a taxa de recuperação da rede.

Significância e Alegações
O artigo afirma que a estrutura GTI-mSEMP fornece uma base matemática e numérica rigorosa para avaliar a propagação dinâmica de malware em ambientes de rede altamente adversariais. Ao ir além de parâmetros estáticos, o modelo oferece uma simulação mais realista da dinâmica de "gato e rato" inerente à guerra cibernética. Os autores afirmam que suas descobertas validam a necessidade de otimização de recursos dependente de estado em tempo real para interromper motores de propagação automatizados, como Ataques de Força Bruta e ameaças de Dia Zero. A estrutura é apresentada como uma ferramenta para prever estados populacionais de nós localizados e avaliar a eficácia de estratégias de defesa cibernética dinâmica em sistemas ciber-físicos com recursos limitados.