Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.21005

帮助 | 高级搜索

计算机科学 > 离散数学

arXiv:2508.21005 (cs)
[提交于 2025年8月28日 ]

标题: 通过权限加权邻接矩阵指数化测量勒索软件横向移动易感性

标题: Measuring Ransomware Lateral Movement Susceptibility via Privilege-Weighted Adjacency Matrix Exponentiation

Authors:Satyam Tyagi, Ganesh Murugesan
摘要: 勒索软件的影响取决于入侵者能够多容易地横向移动并传播到最多的资产数量。 我们提出了一种图论方法来衡量横向移动的易感性并估计爆炸半径。 我们构建了一个有向多重图,其中顶点代表资产,边代表它们之间的可访问服务(例如,RDP/SSH)。 我们使用每个服务的pivot potential factor$\pi(s)$来将横向移动建模为一个概率过程。 这使我们能够迭代计算一个$K$跳的妥协概率矩阵,该矩阵捕捉妥协如何在网络中传播。 由此模型得出的指标包括:(1) 横向移动易感性(LMS$_K$):任意两个资产之间成功横向移动的平均概率(0-1尺度);以及(2) 爆炸半径估计(BRE$_K$):在平均攻击场景中被 compromising 的资产的预期百分比。 交互式控制(SSH 22,RDP 3389)的$\pi(s)$高于仅应用端口(MySQL 3306,MSSQL 1433),后者很少能在没有RCE的情况下实现跳板。 在匿名化的企业快照中,修剪高$\pi(s)$边会带来最大的 LMS$_K$/BRE$_K$下降,这与 CISA 指导、MITRE ATT&CK(TA0008:横向移动)和 NIST SP~800-207 一致。 该框架评估(微)分割,并有助于优先考虑减少横向移动易感性和缩小爆炸半径的控制措施。
摘要: Ransomware impact hinges on how easily an intruder can move laterally and spread to the maximum number of assets. We present a graph-theoretic method to measure lateral-movement susceptibility and estimate blast radius. We build a directed multigraph where vertices represent assets and edges represent reachable services (e.g., RDP/SSH) between them. We model lateral movement as a probabilistic process using a pivot potential factor $\pi(s)$ for each service. This allows us to iteratively compute a $K$-hop compromise probability matrix that captures how compromise propagates through the network. Metrics derived from this model include: (1) Lateral-Movement Susceptibility (LMS$_K$): the average probability of a successful lateral movement between any two assets (0-1 scale); and (2) Blast-Radius Estimate (BRE$_K$): the expected percentage of assets compromised in an average attack scenario. Interactive control (SSH 22, RDP 3389) gets higher $\pi(s)$ than app-only ports (MySQL 3306, MSSQL 1433), which seldom enable pivoting without an RCE. Across anonymized enterprise snapshots, pruning high-$\pi(s)$ edges yields the largest LMS$_K$/BRE$_K$ drop, aligning with CISA guidance, MITRE ATT\&CK (TA0008: Lateral Movement), and NIST SP~800-207. The framework evaluates (micro)segmentation and helps prioritize controls that reduce lateral movement susceptibility and shrink blast radius.
评论: 14页
主题: 离散数学 (cs.DM) ; 密码学与安全 (cs.CR); 组合数学 (math.CO)
MSC 类: 05C50, 05C90, 94C15
ACM 类: G.2.2
引用方式: arXiv:2508.21005 [cs.DM]
  (或者 arXiv:2508.21005v1 [cs.DM] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.21005
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Satyam Tyagi [查看电子邮件]
[v1] 星期四, 2025 年 8 月 28 日 17:07:34 UTC (17 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.DM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.CR
math
math.CO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号