جيل سلاسل الهجوم الرمزية: دراسة تجريبية تحلل دقة تمثيل التقنيات

في إطار التكتيكات المتزايدة لتعزيز الأمن السيبراني، يكتسب تحليل سلاسل الهجوم الرمزية (Symbolic Attack Chain Generation) أهمية متزايدة. إذ يتطلب جيل سلاسل الهجوم الفعال أتمتةً للمساعدة في مواجهة الأساليب المتطورة التي يعتمدها المهاجمون، إلا أن البناء اليدوي لهذه السلاسل لم يعد كافيًا.

تعتمد الأنظمة الحديثة، مثل AURORA، على نموذج ربط إجراءات الهجوم من تسع فئات (Nine-category Attack Action Linking Model - AALM)، ولكن لا تزال فعالية هذا التصنيف بحاجة إلى تأكيد. في هذه الدراسة، تم التحقق مما إذا كان تصنيف AURORA المطول يوفر تمييزًا تمثيليًا يتجاوز ما يمكن أن يقدمه نموذجًا مختصرًا تم استنباطه تجريبيًا.

استخدم هذا البحث نموذجًا لغويًا ضخمًا (Large Language Model - LLM) لترجمة تقنيات الهجوم، إلى جانب محرك Fast Downward لأداء الاستدلال الحتمي. وتمت المقارنة بين نموذج التسع فئات ونموذج مختصر من خمس فئات مستند إلى أدلة تنفيذ Atomic Red Team.

أظهرت النتائج نتائج مثيرة للدهشة، حيث تبين أن كفاءة النماذج لا تضمن تحسين فعالية سلاسل الهجوم، بل تعزز من دقة الإدارة الداخلية للخطط وجودة التبريرات المقدمة. وذلك رغم تفوق نموذج الخمس فئات في تحقيق نتائج تتعلق بالصحّة العملية لبعض الخطط.

الخلاصة أن دقة التصنيف العالي يمكن أن تعزز من البنية الداخلية للخطط، لكنها ليست بالضرورة مؤشرًا على نجاح السلسلة في تنفيذ هجوم فعلي. يعتمد بقاء الأنظمة على تحسينات مستمرة للخطة واستجاباتها لمتطلبات الأمان المتزايدة في المشهد السيبراني المتطور.