
Широкомасштабное применение сложных кибератак типа APT относительно критической инфраструктуры стало мощным стимулом для развития методов проактивной киберзащиты. Характерным для APTs является сложный набор взаимосвязанных по времени и пространству действий злоумышленника. Отдельно действия могут не вызывать подозрений; целевая акция атаки в киберсегменте объекта-жертвы готовится длительное время (от нескольких месяцев до года и более); совокупность действий злоумышленника – это цепочка тактик, выполнение которых позволяет достичь цели атаки. Средства реализации тактик – разнообразны. Набор тактик и их сущность остаются постоянными. Большинство известных моделей APT атак представлены в виде вербального описания этапов APT и их смыслового содержания. Недостаток таких моделей – невозможность прямого применения в SIEM-за отсутствия общей основы для алгоритмизации действий в рамках этапов атаки. В основе другой группы моделей разные математические конструкции, позволяющие представить масштабные действия злоумышленника в виде одного сложного математического процесса. Как правило, такие модели сложно связывать с технологическими процессами мониторинга событий в реальном времени. С позиций автоматизации процессов обнаружения атак в первую очередь стоит задача разработки таких моделей APT, которые позволяют алгоритмизировать процесс формирования индикаторов безопасности на основе аргументированной корреляции событий по времени и пространству. Статья посвящена разработке новой модели APT на основе кибернетического подхода. Сущность подхода – относительно компьютеров организации-жертвы злоумышленник регулярно выполняет действия из цикла управления. Это позволяет представить APT атаку в виде траектории поведения управляемой (кибернетической) системы. В рамках модели поведение кибернетической системы злоумышленника была представлено через математическое описание информационных процессов управления и итеративную взаимосвязь между смежными фазами (состояниями) кибернетической системы. Такой подход позволяет в рамках иерархической структуры модели: вербальным этапам атаки поставить в соответствие набор фаз кибернетической системы злоумышленника; каждой фазе поставить в соответствие элементарные события в киберсегменте организации-жертвы, которые могут определяться сенсорами безопасности. Модель позволяет представить каждую атаку в виде набора взаимосвязанных характеристик элементарных событий на узлах компьютерной сети. Такой набор (шаблон APT) может быть применен в рамках автоматизированного детектирования атаки средствами SIEM в системах проактивной киберзащиты.
усовершенствованная стойкая угроза, Cyber defense, Кіберзахист, cybernetic model, автоматизированное определение атаки, стратегия проактивной защиты, цільова атака, кібернетична модель, correlation of cyberspace events, indicators of compromise, индикаторы безопасности, targeted attack, Киберзащита, cybersecurity operation center, операционный центр кибербезопасности, кореляція подій кіберпростору, automated attack detection, індикатори безпеки, целевая атака, стратегія проактивного захисту, автоматизоване визначення атаки, вдосконала наполеглива загроза, корреляция событий киберпространства, кибернетическая модель, proactive defense strategy, операційний центр кібербезпеки, advanced persistent threat
усовершенствованная стойкая угроза, Cyber defense, Кіберзахист, cybernetic model, автоматизированное определение атаки, стратегия проактивной защиты, цільова атака, кібернетична модель, correlation of cyberspace events, indicators of compromise, индикаторы безопасности, targeted attack, Киберзащита, cybersecurity operation center, операционный центр кибербезопасности, кореляція подій кіберпростору, automated attack detection, індикатори безпеки, целевая атака, стратегія проактивного захисту, автоматизоване визначення атаки, вдосконала наполеглива загроза, корреляция событий киберпространства, кибернетическая модель, proactive defense strategy, операційний центр кібербезпеки, advanced persistent threat
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 1 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
