Resumo Técnico: Geração de Cadeia de Ataque Simbólica a partir de Técnicas do Atomic Red Team

1. Declaração do Problema

A geração automatizada de cadeias de ataque é essencial para a defesa cibernética moderna e para o red teaming, mas a construção manual não consegue escalar conforme os comportamentos adversários se expandem. Embora o planejamento clássico utilizando a Linguagem de Definição de Domínio de Planejamento (PDDL) ofereça um método formal para automatizar esse processo, ele depende da tradução precisa das técnicas adversárias em predicados simbólicos.

Sistemas de última geração, como o AURORA, utilizam um Modelo de Ligação de Ação de Ataque (AALM) de nove categorias para definir estados de sistema. No entanto, a necessidade desta granularidade específica permanece não validada. Não está claro se um conjunto reduzido de categorias de predicados poderia alcançar validade, custo e fidelidade comparáveis a cadeias de ataque reais, ou se a granularidade mais alta é apenas uma escolha de design não verificada que aumenta a complexidade representacional sem melhorar os resultados do raciocínio. Este artigo investiga o impacto da granularidade da representação de predicados na validade, custo e fidelidade das cadeias de ataque geradas automaticamente.

2. Metodologia

O estudo emprega um pipeline híbrido que separa a tradução linguística do raciocínio determinístico para mitigar os riscos de alucinação associados aos Grandes Modelos de Linguagem (LLMs).

2.1 Design da Pesquisa

A metodologia central replica o pipeline do AURORA, mas trata a granularidade do predicado como uma variável experimental em vez de uma suposição fixa.

• Tradução: Um LLM (GPT-4.1) traduz definições de testes YAML do Atomic Red Team (ART) e evidências de execução em predicados PDDL candidatos.
• Validação: Um script determinístico baseado em regras (predicate_table.py) valida cruzadamente as saídas do LLM contra o YAML de origem e os transcritos de execução.
• Planejamento: O planejador Fast Downward (usando astar(blind())) realiza todo o raciocínio, ordenação de ações e geração de planos.
• Estudo de Ablação: O estudo compara dois esquemas sobre um corpus idêntico de 16 técnicas ART formalizadas:
  1. AALM de Nove Categorias: O esquema completo usado pelo AURORA (Ambientes, Executores, Payloads, Arquivos, Processos, Usuários, Informação, Dados, Técnicas).
  2. Esquema de Cinco Categorias: Um esquema reduzido derivado empiricamente de evidências de execução, colapsando as categorias da seguinte forma:
     • Payload $\rightarrow$ Executor
     • Arquivo e Técnica $\rightarrow$ Ambiente
     • Usuário e Privilégio $\rightarrow$ Privilégio/Usuário
     • Informação e Dados $\rightarrow$ Informação

2.2 Coleta de Dados e Execução

O corpus consiste em 16 técnicas abrangendo múltiplas táticas do MITRE ATT&CK (Descoberta, Persistência, Evasão de Defesa, Coleta, Exfiltração).

• Derivação: Uma "cadeia inicial" de quatro técnicas (T1059.001, T1547.001, T1003.001, T1021.002) foi executada primeiro para derivar o esquema inicial de cinco categorias. Crucialmente, a evidência de execução forçou a inclusão de uma categoria distinta de Privilégio/Usuário (por exemplo, distinguindo entre deter privilégios de administrador e a capacidade de exercê-los sobre um logon de rede).
• Ambiente: Todos os testes foram executados em uma VM Windows 11 isolada com rede host-only e Defender ativo para garantir condições realistas de proteção de endpoint sem risco externo.
• Tratamento de Falhas: Técnicas que falharam na execução (devido ao bloqueio por AV/EDR ou payloads ausentes) não foram descartadas. Em vez disso, foram codificadas como "sem ação" (action-less) no arquivo de domínio, permitindo que o planejador retorne corretamente "sem solução" como uma representação válida de falha empírica.

2.3 Métricas de Avaliação

O estudo avalia os esquemas usando:

1. Validade do Plano/Taxa de Sucesso: Se um plano válido é gerado.
2. Custo do Plano: O número de ações no plano gerado.
3. Fidelidade da Cadeia de Ataque: Similaridade de Jaccard e distância de edição contra uma cadeia de verdade fundamental (ground-truth) construída manualmente.
4. Resolução de Categoria de Predicado ($\Delta P_i$): Uma métrica que mede se o esquema de nove categorias força uma divisão em predicados que o esquema de cinco categorias colapsa.
5. Análise de Modo de Falha: Classificando por que as técnicas resistem à formalização (ex: lacunas ambientais, subespecificação).

3. Resultados Principais

Os resultados empíricos do corpus de 16 técnicas demonstram que a granularidade do predicado tem impacto mínimo na viabilidade dos planos gerados.

• Validade e Custo do Plano: Os resultados foram amplamente insensíveis à granularidade. Tanto o esquema de nove categorias quanto o de cinco categorias alcançaram uma taxa de sucesso idêntica de 81,3% (13/16 técnicas). Para as nove técnicas resolvidas de forma independente, o custo médio do plano foi idêntico (1.0). A cadeia inicial de quatro etapas também produziu planos idênticos em ambas as configurações.
• Fidelidade da Cadeia de Ataque: A cadeia inicial gerada correspondeu exatamente à cadeia de verdade fundamental construída manualmente (similaridade de Jaccard = 1.0, distância de edição = 0). O artigo observa que isso confirma a correção do pipeline, mas não reivindica fidelidade generalizável a incidentes do mundo real, pois o corpus foi selecionado para instanciar a mesma narrativa usada para construir a referência.
• Resolução de Categoria de Predicado:
  • 14 de 16 técnicas mostraram ganho de resolução zero ($\Delta P_i = 0$), significando que a granularidade extra do esquema de nove categorias não alterou a justificativa estrutural do plano.
  • T1560.001 foi a única exceção genuína, onde o esquema de nove categorias distinguiu entre predicados de Ambiente e Arquivo que o esquema de cinco categorias colapsou.
  • T1003.001 mostrou um ganho de resolução, mas isso foi identificado como um artefato de um precondicionante de espaço reservado (placeholder) usado para uma técnica que falhou inteiramente, sendo excluído da reivindicação de ganho genuíno.
• Modos de Falha: O estudo capturou com sucesso falhas sistemáticas. Por exemplo, T1055 (Injeção de Processo) falhou em 11/13 subtestes devido à detecção de assinatura por AV/EDR, e T1003.001 falhou devido à negação de acesso. Estes foram codificados estruturalmente como "sem solução" em vez de serem mascarados com placeholders.

4. Significância e Contribuições

O artigo reivindica modestamente que, dentro do escopo deste corpus específico e tarefa, um esquema de predicado de cinco categorias reduzido é suficiente para preservar a capacidade de planejamento e igualar os resultados do AALM completo de nove categorias.

Principuições Primárias:

1. Esquema Derivado Empiricamente: O trabalho fornece um esquema de cinco categorias derivado de baixo para cima a partir de evidências reais de execução do ART, em vez de adotado a priori. Essa derivação revelou distinções causais necessárias (ex: remote-admin-token-unfiltered) que um esquema arbitrário poderia perder.
2. Invariância de Granularidade: O estudo demonstra que, para as técnicas testadas, a maior granularidade aumenta principalmente a resolução estrutural interna da justificativa de um plano, em vez da viabilidade ou custo da cadeia de ataque gerada.
3. Falha-como-Evidência: O artigo introduz uma moldura onde técnicas que resistem à formalização (devido a AV/EDR ou payloads ausentes) são tratadas como dados substantivos sobre os limites da modelagem simbólica. Ao codificá-las como "sem ação", a saída "sem solução" do planejador torna-se uma afirmação verificável sobre o corpus, em vez de um erro.
4. Validação da Arquitetura de Pipeline: O trabalho apoia um pipeline bifurcado onde o LLM é confinado à tradução e um planejador determinístico lida com o raciocínio. Esta arquitetura isolou com sucesso os riscos de alucinação do LLM, com uma taxa de correção de tradução medida de 11,0% (89/808 predicados), que foi detectada por verificação cruzada independente baseada em regras antes de chegar ao planejador.

Limitações:
O autor nota explicitamente que as descobertas são específicas para este corpus de 16 técnicas e um ambiente de VM única. A métrica de custo de plano teve poder discriminatório limitado, pois a maioria das técnicas eram planos de ação única. Além disso, a correspondência exata de fidelidade com a verdade fundamental é lida como evidência da correção do pipeline para a narrativa selecionada, não como prova de fidelidade generalizável a incidentes independentes do mundo real.

5. Conclusão

O estudo conclui que, embora o AALM de nove categorias não esteja incorreto, ele não é estritamente necessário para a validade ou custo da geração de cadeias de ataque no contexto estudado. O esquema reduzido de cinco categorias preservou a capacidade de planejamento e igualou o esquema completo em todos os resultados medidos, exceto por uma técnica (T1560.001), enquanto reduziu a complexidade representacional. O trabalho sugere que, para a geração de cadeias de ataque automatizadas, o foco deve estar nas distinções causais reveladas pelas evidências de execução, em vez de aderir a uma taxonomia de alta granularidade fixa.