基于T_NAG模型的攻击路径预测方法研究

摘要: 为了更好刻画攻击者的攻击轨迹，设计出一种基于T_NAG(time attribute network attack graph)模型的路径预测方法。首先，提出新的攻击图模型T_NAG，根据实时行为轨迹对攻击者能力加以区分；其次，依据攻击者具有不同能力的特性，提出攻击意向的概念，统筹考虑操作风险与攻击收益，将时间衰减参数引入到攻击意向计算中，并设计出一种基于攻击者能力的漏洞利用率量化方法；最后，将攻击意向与漏洞利用率进一步融入到对路径可达概率的考量中，给出预测攻击路径的IntenAbi-PathPre算法。实验结果表明，该方法可以有效去除攻击图中的冗余，并且使攻击路径预测的准确性得到明显提高。