APT: Scenari Geopolitici e Sviluppi Futuri delle Minacce più Rilevanti della Cyber Security

Nello studio [21], Bodstrom et al. hanno proposto un modello di stack di apprendimento profondo per il rilevamento di APT.

Gli autori hanno proposto un modello di deep learning a 5 livelli che include gli algoritmi che possono essere utilizzati in ogni livello. In particolare, nel metodo di rilevamento presentato nel quarto strato, gli autori hanno evidenziato alcuni algoritmi di deep learning come le reti neurali ricorrenti (RNN), LSTM; la mappa gerarchica crescente auto- organizzante (GHSOM); la rete neurale a grafo (GNN) e il database a grafo (GDB). Tuttavia, Bodstrom et al. non conducono esperimenti per valutare l'efficacia del modello e l'efficacia di ciascun algoritmo nel modello proposto. Chu, C Lin e Chang [22] hanno utilizzato l'algoritmo MLP per rilevare gli attacchi APT sulla base del dataset NSL-KDD.

I risultati sperimentali di questo lavoro indicano che l'algoritmo MLP non è efficace come l'algoritmo SVM (Support Vector Machine). L'algoritmo MLP ha fornito un tasso di correttezza compreso tra il 96,72 e il 97,74%, a seconda di ogni parametro dell'algoritmo. Inoltre, Tuor et al. [23] hanno presentato un sistema di deep learning online non supervisionato per filtrare i dati di log del sistema per le analisi dei rilevamenti di attacchi APT. In particolare, gli autori hanno combinato il dataset CERT Insider Threat v6.2 e gli algoritmi di deep learning RNN e LSTM per analizzare e rilevare il comportamento degli attacchi APT. Per quanto riguarda i risultati sperimentali, gli autori hanno dimostrato che gli algoritmi RNN e LSTM superano gli algoritmi di apprendimento automatico più diffusi, come la foresta di isolamento, SVM e l'analisi delle componenti principali (PCA).

Yan et al. [24] hanno proposto l'algoritmo di deep learning CNN per rilevare gli attacchi APT basati sulle attività DNS. Gli autori hanno estratto tre gruppi di caratteristiche principali: caratteristiche basate sui nomi di dominio; caratteristiche della relazione tra il comportamento della richiesta DNS e il comportamento della risposta basate su un set di dati di 4.907.147.146 pezzi di dati iniziali di 47 giorni di record di richiesta DNS della rete di istruzione dell'Università di Jilin in combinazione con l'algoritmo CNN per rilevare il comportamento di un attacco APT. Nello studio [25], Nkiruka Eke et al. hanno proposto un metodo di rilevamento degli attacchi APT basato sul dataset KDD 99 e sugli algoritmi di deep learning modelli che includono LSTM, RNN, unità ricorrente gated.I risultati sperimentali hanno dimostrato che gli algoritmi di deep learning sono più efficienti di altri algoritmi di machine learning come SVM, K-nearest neighbors (KNN), classificatore random forest e regressione logistica. Nello studio [26], Cho et al. hanno proposto un metodo per rilevare gli IP APT utilizzando il modello Graph Convolutional Networks (GCN). In particolare, nella loro ricerca, gli autori hanno prima proposto la tecnica di ripresentare le informazioni degli IP APT e poi hanno utilizzato il modello GCN per classificare gli IP APT e gli IP normali.