XAPT：APTキャンペーンにおける説明可能な異常駆動型脅威段階予測

科学分野:

• サイバーセキュリティ
• 機械学習
• ネットワークセキュリティ

背景:

• 高度な持続的脅威（APT）は、そのステルス性と多段階性により、重大なリスクをもたらします。
• APTキャンペーン分析と緩和策の効果的な実施には、正確な段階レベルの予測が不可欠です。

研究 の 目的:

• APTキャンペーン分析のための説明可能で異常駆動型のフレームワークであるXAPTを導入すること。
• サイバー攻撃の正確で解釈可能な段階レベルの予測を達成すること。
• APT攻撃の進行に関する透明で実行可能な洞察を提供すること。

主な方法:

• キャリブレーションされた確率的異常スコアを生成するためのPCAベースの再構成誤差を利用すること。
• 不確実性を取り入れたサイバーキルチェーンの段階推論のためのベイジアンネットワーク分類器を使用すること。
• 分類結果の透明な説明のためのSHAPベースの特徴量帰属を実装すること。

主要な成果:

• XAPTは、公開データセットで高い段階レベルの検出精度を実証しました。
• このフレームワークは、運用分析をサポートする実行可能な特徴レベルの解釈を提供します。
• キャリブレーションされた異常スコアとベイジアン推論は、イベントの異常性と依存関係を効果的に捉えます。

結論:

• XAPTは、高度な脅威検出のための包括的で解釈可能なソリューションを提供します。
• 異常スコアリング、ベイジアン推論、およびSHAPの説明の統合は、APT分析を強化します。
• このフレームワークは、サイバーセキュリティの専門家に、透明で分析的に理解しやすい説明を提供します。