[论文解读] A dynamic resource allocation decision model for IT security

Lotfi Hajjem, Salah Benabdallah+1 more|arXiv (Cornell University)|Apr 21, 2017

Information and Cyber Security参考文献 9被引用 3

一句话总结

本文提出了一种用于IT安全的动态资源分配模型，采用谐音搜索算法优化安全技术的分配，在实时平衡成本与漏洞减少方面表现优异。该方法在最小化系统漏洞的同时保持成本效率，优于遗传算法，展现出对不断演变威胁的强大适应能力。

ABSTRACT

Today, with the continued growth in using information and communication technologies (ICT) for business purposes, business organizations become increasingly dependent on their information systems. Thus, they need to protect them from the different attacks exploiting their vulnerabilities. To do so, the organization has to use security technologies, which may be proactive or reactive ones. Each security technology has a relative cost and addresses specific vulnerabilities. Therefore, the organization has to put in place the appropriate security technologies set that minimizes the information system s vulnerabilities with a minimal cost. This bi objective problem will be considered as a resources allocation problem (RAP) where security technologies represent the resources to be allocated. However, the set of vulnerabilities may change, periodically, with the continual appearance of new ones. Therefore, the security technologies set should be flexible to face these changes, in real time, and the problem becomes a dynamic one. In this paper, we propose a harmony search based algorithm to solve the bi objective dynamic resource allocation decision model. This approach was compared to a genetic algorithm and provided good results.

研究动机与目标

• 为应对持续演变的IT漏洞所带来的安全资源配置动态分配挑战。
• 最小化安全技术的成本以及信息系统中的残余漏洞。
• 开发一种灵活的实时决策模型，能够随新漏洞的出现而自适应调整。
• 对比基于谐音搜索的算法与遗传算法在解决双目标资源配置问题中的性能表现。

提出的方法

• 将IT安全资源配置问题建模为双目标优化任务，以最小化成本与漏洞暴露为目标。
• 将主动与被动安全技术的分配建模为基于漏洞特征配置的资源配置。
• 采用谐音搜索算法（HSA）探索解空间，寻找接近最优的安全技术配置。
• 将潜在解编码为谐音记忆向量，表示安全技术组合及其部署水平。
• 实施音高调整与谐音记忆考虑规则，以迭代方式提升解的质量。
• 在相同条件下，通过基准对比验证方法的有效性，与遗传算法进行比较。

实验结果

研究问题

• RQ1 如何根据新漏洞的持续出现，动态调整安全资源配置？
• RQ2 哪种优化算法在IT安全资源配置中能最好地平衡成本效率与漏洞减少？
• RQ3 基于谐音搜索的方法与遗传算法相比，在解决此动态双目标问题时表现如何？
• RQ4 所提出的模型能否在实时环境中维持低系统漏洞水平，同时最小化已部署安全技术的成本？
• RQ5 在动态安全资源配置中，解的质量与计算效率之间存在怎样的权衡？

主要发现

• 与遗传算法相比，基于谐音搜索的算法在最小化总成本和残余漏洞水平方面表现出更优性能。
• 所提出的模型能有效适应漏洞集合的动态变化，确保实时响应能力。
• 该算法表现出更快的收敛速度和更优的解多样性，降低了早熟收敛的风险。
• 结果证实了使用元启发式优化进行实时IT安全决策的可行性。
• 该模型在多个测试场景中均保持了成本与安全有效性之间的稳定平衡。
• 与遗传算法的对比表明，谐音搜索在动态环境中提供了更一致且更高质量的解。