Attack-Path-Aware Enterprise Risk Quantification for Cloud-Native Financial Data Platforms Using AI and Cybersecurity Graphs
本文提出了一种针对云原生金融平台的 AI 驱动、攻击路径感知型风险量化框架，该框架通过结合网络安全图谱与 FAIR 模型，将漏洞管理与财务影响分析相统一以优化控制选择，并证明了与传统的基于严重程度的方法相比，其预期年度损失降低了 85%。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在金融银行业的高风险世界中，保护资金和个人数据向来是一场“两半对垒”的游戏。一方面，安全团队使用自动化扫描程序来寻找其计算机系统的弱点，并根据这些弱点在纸面上看起来有多危险来进行排名。另一方面，风险管理人员试图预测如果黑客成功攻击，银行可能会损失多少资金，而这通常依赖于粗略的估计和彩色图表。几十年来，这两组人一直平行运作，却很少使用同一种语言。扫描器告诉他们哪个单一漏洞最大，而风险管理人员则担心总体的财务损失。但在现代银行业，由于数据流经复杂的云网络，单个大漏洞很少是真正的问题所在。相反，黑客通常通过将一系列看似无害的小步骤串联起来来实现目标——就像推开一扇敞开的门，借用一位信任之人的钥匙，然后溜进金库一样。关键问题不再仅仅是哪个洞最大，而是哪条由小步骤组成的链条实际上能通往最珍贵的宝藏。
数据架构师 Gopinathan Rathinavelu 的一项新研究提出了一种最终连接这两个世界的方法。该研究引入了一个系统，它绘制出黑客可能采取的整个路径，而不是仅仅观察孤立的弱点。通过构建银行云网络的数字地图，该系统追踪攻击者如何从一点移动到另一点，并将每一步都标记上已知的黑客行为。随后，它利用这张地图来计算入侵达到最敏感数据（即所谓的“皇冠上的明珠”）的实际概率，并将该概率转化为特定的潜在财务损失范围。其目标是帮助银行决定将有限的安全预算花在何处，以阻断最危险的路径，而不是仅仅修复最明显的缺陷。
研究人员构建该系统是为了使其能够与现代银行用于处理交易和运行人工智能模型的复杂云端数据平台协同工作。这些平台规模庞大且相互关联，使得人们很难看清某个领域的弱点（例如第三方供应商连接）如何最终导致主数据仓库的泄露。这种新架构首先收集有关银行安全态势、身份权限和系统配置的实时信息。然后，它构建一个有向图，即一种节点代表资产、连线代表攻击者可能进行的移动的地图。每条线都被贴上了特定的黑客战术标签，从而为入侵可能如何展开提供了一条清晰且可审计的轨迹。
为了使这张地图变得有意义，该系统使用一种专门的形式的人工智能来估算链条中每一步成功的可能性。这一过程经过精心设计，以确保结果保持透明且易于理解。在数据充足的地方，机器学习模型会对转换的可能性进行评分；在数据匮乏的地方，它会退回到更简单、透明的计算方式或专家判断。该系统仅使用语言模型将非结构化文档（如政策文本）整理到地图的结构中，但前提是必须经过人类专家的验证。这确保了风险计算的核心数学逻辑保持可检查性和可靠性，避免了没人知道计算机是如何得出结论的“黑箱”问题。
一旦构建好地图并对每一步的可能性进行了评分，系统就会运行数千次模拟，以观察攻击者到达“皇冠上的明珠”发生的频率。它不会给出一个单一的数字，而是生成一个可能的年度损失分布，展示最可能的结果以及最坏的情况。这种方法让风险委员会能够看到其财务风险的全貌，包括那些简单的平均值会忽略掉的、罕见但具有灾难性的长尾事件。最后一部分是优化器，它观察现有的安全控制措施及其成本。它计算如果增加特定的控制措施，哪些措施能最大限度地减少预期财务损失。这意味着系统优先考虑修复方案，是基于这些修复能多大程度上破坏攻击者的路径，而非仅仅基于单个弱点看起来有多严重。
研究人员在一个模拟典型金融机构的云数据平台上测试了这种方法。他们创建了一个包含 13 种不同资产状态和 18 个可能攻击步骤的场景，并为每个步骤分配了现实的成本和潜在损失。在此模拟中，系统发现通往银行最珍贵数据的最危险路径并非来自最明显的、高严重性的漏洞。相反，最大的风险来自于涉及第三方供应商集成的步骤链。虽然这条路径中的单个弱点严重程度评分中等，但当它们串联在一起时，却提供了一条通往“皇冠上的明珠”的高概率路径。
当研究人员将这种新方法与仅仅先修复评分最高的漏洞的传统方法进行对比时，其在财务保护方面的差异是显著的。使用 30 万美元的固定预算，传统的基于严重程度的方法减少了约 41% 的预期年损失。相比之下，这种关注路径的新方法，通过专注于切断通往“皇是在上的明珠”的具体链条，减少了 85% 的预期损失。系统正确识别出，通过隔离第三方供应商并轮换密钥所带来的价值，远高于修补那个位于通往关键数据概率较低路径上的单一最高评级缺陷。
研究结论指出，这种方法提供了一个强大的决策支持工具，弥合了技术安全发现与财务风险管理之间的鸿沟。它并不取代人类的判断或进行自主行动；相反，它为为什么应该优先考虑某些控制措施提供了清晰且基于数据的论据。通过将风险视为一段旅程而非一份清单，该方法帮助组织理解，最危险的威胁往往是那些能够将各个点连接起来的威胁，而不仅仅是那些最显眼的威胁。尽管此处展示的结果是基于合成模拟的，但该框架旨在通过现实世界的数据进行验证，为在日益复杂的数字化世界中实现更精确、更有效的财务风险管理提供了一条路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。