Odhad cen útočníka za zneužití zranitelností v počítačových sítí

Abstract

V současné době se stále zvyšuje všeobecné povědomí a snaha o elektronickou bezpečnost. Jednou z možností ochrany proti elektronickým útokům je předvídat akce útočníků a podle toho vytvářet strategii ochrany. K úspěšnému předvídání ale potřebujeme co nejpřesnější informace o motivaci útočníka. Tato práce se zabývá odhadem nákladů na provedení útoků. Pomocí veřejně dostupných informací z různých zdrojů, zabývajících se elektronickou bezpečností, odhadujeme náklady pro útočníka jak na získání útočného kódu, tak na provedení útoku samotného. Problém je řešen pomocí strojového učení na vzorcích získaných z reálných dat i z expertních odhadů. Dosažené chyby odhadu jsou poměrně vysoké, což je způsobeno nízkou vypovídací hodnotou dat.

In these days there is an increase in general knowledge and effort for electronic security. One possible tool of defense against cybercrime is to predict expenses of the attacker and use this prediction to plan defense strategy. To successfully predict, we need accurate information about the motivation of the attacker. This thesis deals with predicting costs to attack. Using publicly available data from several sources, that deal with cybersecurity, we predict attacker's cost to both obtain code and perform the attack itself. Problem is solved using machine learning on samples obtained from both real world data and expert estimates. Achieved estimator errors are relatively high, due to low data validity.