VulnGym utiliza atacantes APT entrenados con IA para probar las estrategias de parches empresariales

Una nueva herramienta de investigación de ciberseguridad llamada VulnGym utiliza el aprendizaje por refuerzo para simular atacantes de amenazas persistentes avanzadas (APT) entrenados por IA que apuntan a programas de parches empresariales. Esta plataforma permite a los equipos de seguridad evaluar si sus estrategias de priorización de vulnerabilidades pueden contrarrestar eficazmente ataques realistas de varias etapas, en lugar de simplemente reducir la cantidad de vulnerabilidades y exposiciones comunes (CVE) sin parches.

A menudo, los defensores empresariales priorizan las vulnerabilidades según la gravedad de CVSS, las puntuaciones de predicción de exploits o el estado de exploit conocido. VulnGym utiliza atacantes AI APT para pruebas de parches El atacante de VulnGym está entrenado utilizando Deep Q-Learning. Los atacantes fueron entrenados por separado en redes empresariales en capas y en estilo árbol, incorporando vulnerabilidades del mundo real obtenidas de la Base de datos nacional de vulnerabilidades. Además, los atacantes tenían la opción de utilizar el acceso interno obtenido mediante phishing, lo que refleja un método de acceso inicial común que puede eludir las estrategias de parcheo centradas en el perímetro.

VulnGym también considera las realidades operativas: las vulnerabilidades se revelan con el tiempo, los defensores descubren periódicamente nuevas fallas, los parches tardan en implementarse y se pueden acumular retrasos en la reparación. La publicación VulnGym utiliza atacantes APT entrenados con IA para probar las estrategias de parches empresariales apareció por primera vez en Cyber ​​Security News.

Consultar publicación original ↗