kth.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Mapping Cyber Threat Intelligence to Probabilistic Attack Graphs
Foreseeti AB, Stockholm, Sweden..
KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Nätverk och systemteknik.ORCID-id: 0000-0003-3922-9606
KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap, Nätverk och systemteknik.ORCID-id: 0000-0001-9886-6651
Foreseeti AB, Stockholm, Sweden..
2021 (Engelska)Ingår i: PROCEEDINGS OF THE 2021 IEEE INTERNATIONAL CONFERENCE ON CYBER SECURITY AND RESILIENCE (IEEE CSR), Institute of Electrical and Electronics Engineers (IEEE) , 2021, s. 304-311Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

As cyber threats continue to grow and expertise resources are limited, organisations need to find ways to evaluate their resilience efficiently and take proactive measures against an attack from a specific adversary before it occurs. Threat modelling is an excellent method of assessing the resilience of ICT systems, forming Attack (Defense) Graphs (ADGs) that illustrate an adversary's attack vectors. Cyber Threat Intelligence (CTI) is information that helps understand the current cyber threats, but has little integration with ADGs. This paper contributes with an approach that resolves this problem by using CTI feeds of known threat actors to enrich ADGs under multiple reuse. This enables security analysts to take proactive measures and strengthen their ICT systems against current methods used by any threat actor that is believed to pose a threat to them.

Ort, förlag, år, upplaga, sidor
Institute of Electrical and Electronics Engineers (IEEE) , 2021. s. 304-311
Nationell ämneskategori
Datorsystem Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:kth:diva-304556DOI: 10.1109/CSR51186.2021.9527970ISI: 000705054100047Scopus ID: 2-s2.0-85115727510OAI: oai:DiVA.org:kth-304556DiVA, id: diva2:1609419
Konferens
IEEE International Conference on Cyber Security and Resilience (IEEE CSR), JUL 26-28, 2021, ELECTR NETWORK
Anmärkning

Part of proceedings: ISBN 978-1-6654-0285-9, QC 20230117

Tillgänglig från: 2021-11-08 Skapad: 2021-11-08 Senast uppdaterad: 2023-01-17Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Ekstedt, MathiasAfzal, Zeeshan

Sök vidare i DiVA

Av författaren/redaktören
Ekstedt, MathiasAfzal, Zeeshan
Av organisationen
Nätverk och systemteknik
DatorsystemDatavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 103 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf