13、利用前打补丁：应对漏洞利用预测的新策略

利用前打补丁：应对漏洞利用预测的新策略

在网络安全领域，预测漏洞被利用的可能性并及时打补丁是至关重要的。本文将探讨对抗性数据操纵对预测模型的影响，以及模型的可行性、误分类成本和成功与失败案例。

1. 对抗性数据操纵

对抗性数据操纵主要研究其对暗网（DW）数据的影响。对于概念验证（PoC），只考虑经Exploit Database（EDB）验证的PoC。由于攻击者很难入侵EDB数据库添加噪声或删除PoC，ZDI发布的漏洞也经过研究人员验证，所以这两个数据源被操纵的可能性很小。然而，DW市场和论坛的公开性使攻击者能够污染分类器使用的数据，他们可以通过在这些平台上添加漏洞讨论来误导分类器，产生高误报率。

在预测模型中，使用DW中漏洞的存在、提及该漏洞的市场/论坛语言以及漏洞描述作为特征。攻击者可能会发布他们不打算利用也不期望被利用的漏洞讨论。为研究这种噪声对模型性能的影响，进行了以下两种策略的实验：
- 策略一：攻击者添加随机漏洞讨论
- 情况1 ：假设噪声同时存在于训练和测试数据中。考虑不同比例的噪声（总数据样本的5%、10%、20%），随机分布在训练和测试数据中。实验设置遵循特定条件，先按时间对漏洞进行排序，前70%用于训练，其余用于测试。ROC曲线显示，不同噪声量下，模型仍保持高真阳性率（TPR）、低假阳性率（FPR），AUC至少为0.94，性能与未添加噪声的实验相似，表明模型对噪声具有高度鲁棒性。
- 情况2 ：仅将DW上发现的随机漏洞讨论以不同的CVE编号添加到测试数据中并重复实验。ROC图显示，虽然FPR略有增加，但性能仍与无噪声实