每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

安全运营中心基于图形的警报情境化方法

Created by
  • Haebom

作者

马格努斯·维克·埃克霍夫、彼得·马吕斯·弗莱达尔、西姆·彼得斯、马丁·伊安、乔纳斯·哈尔沃森、瓦西里奥斯·马夫罗伊迪斯、古德蒙德·格罗夫

大纲

本文提出了一种基于图的方法，以应对安全运营中心 (SOC) 中解读海量安全警报的挑战。该方法将警报聚合成基于图的警报组，其中节点表示警报，边表示定义时间窗口内的关系。通过对相关警报进行分组，我们可以比单个警报更有效地识别攻击阶段，从而实现更高抽象层次的分析。此外，我们还通过使用图匹配网络 (GMN) 将传入警报组与过去事件关联起来，证明了该方法对后续机器学习方法的适用性。这为分析师提供了额外的洞察。

Takeaways, Limitations

•
Takeaways：
◦
通过基于图形的警报分组提高 SOC 中的警报分析效率。
◦
能够从高抽象层次理解攻击阶段并识别有效威胁。
◦
通过使用 GMN 分析与过去事件的相关性并支持分析师的决策。
•
Limitations：
◦
缺乏对所提出的基于图的方法在真实 SOC 环境中的性能和可扩展性的验证。
◦
需要进一步评估使用 GMN 进行事件关联分析的准确性和可靠性。
◦
需要进一步研究来确定不同类型的安全警报和关系的普遍性。
👍
Made with Slashpage