文章直指安全本体应用，预设场景为网络物理系统（Cyber-Physical Systems）。
作者信息
作者是希腊人，单位是比雷埃夫斯大学。
文章来自ESORICS2021的Workshop，但全文有17页，和Full paper差不多的篇幅。
中心思想
定义一个扩展的安全本体，用于CPS中的针对性信息收集和风险评估。
（在我的分类中，这属于本体设计类论文，其套路为：1、说明本体用途和设计理念；2、陈述设计好的本体；3、以用例说明本体实用性）
附加观点
观点1
观点：考虑以下五类数据源，认为它们是和风险评估相关的信息。
考虑：其中DS5应是非结构化语料，因为它是Report形式。在说明用于构建本体的数据源时，很难达到全覆盖（如果我想，应该可以编到DS10甚至更多）。这里提出五种数据源，是紧扣“风险评估”这个需求的，即风险评估需要这些。
观点2
观点：本体能力陈述之列表格，表示提出本体的“全面性”。
考虑：以上表格其实只是在说数据源的覆盖范围，但本体构建有这样的默契存在，即“数据源的能力会被本体继承”，举例就是，我加入了ATT&CK的数据源，那我的本体就应该可以支撑所谓的TTP映射（事实果真如此？还说不好，集成之后反不如初也是可能的）。
观点3
观点：他们的本体可以用于自动化风险评估，列出本体架构如图。
考虑：图在原文中是竖着的，在这里调整了一下。注意其中的彩色框和虚线框，下意识地对本体做了模块划分，有四个部分“Human Entities”、“Devices”、“Networks”和“Vulnerabilities Threats Exploits & Agents”。其中箭头没有标出具体是什么关系，通过观察，应该都是包含/子类关系。
观点4
观点：知识图谱实现，基本思想是从本体到知识图谱，给出了路线。
考虑：图中Sources处是分散的数据源，中间的中间件、解析器，仅体现知识图谱构建过程，明示使用Neo4j。这里可以看出，隐去过多细节了，很少能见到文章把所谓ontology population过程讲清楚的，不论是“在本体中补充实例”、还是“基于本体构建知识图谱”。
观点5
观点：他们的第一个实用性案例，使用本体来预测CVSS评分。
考虑：从结果来看，都给了很高的精度，没有对比方案（意味着它是首次尝试）。怎么理解CVSS评分预测？应是把部分已知评分当做未知，CVSS评分本身对威胁评估有用，所以评分预测作为风险评估的一部分，符合主题。在实现的方法上，有较多附加规则，还有机器学习分类器等算法应用，这更加说明本体是个描述层面的东西，自带推理基础，但真要安全应用，还是得有运作于本体之上的“算法”。
观点6
观点：另一个实用性案例是把本体用于关联威胁代理（Threat agent）和攻击漏洞（Attacks & Vulnerabilities）。
考虑：作者陈述方法时，说使用的是Intel的TAL矩阵，画出了上面的表格。真正的关联方法和关联效果并不明朗。
小结
还是一样的问题，作为领域本体陈述，已经足够。但是不符合主流文章的表现形式，容易被质疑。想要发所谓的顶刊顶会，两个极端，要么是极度工程化，比如大团队出来的ATT&CK之类的数据库，要么是通用领域研究，比如基本的本体学习技术。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
