Priorização inteligente de vulnerabilidades: uma abordagem baseada em perfis de risco descobertos com machine learning

Le résumé fourni par la source

O crescimento contínuo do número de vulnerabilidades de software torna inviável tratá-las apenas com base em métricas de severidade técnica, como o Common Vulnerability Scoring System (CVSS), o que pode levar a decisões de remediação desalinhadas com o risco real ao negócio. Este trabalho aborda essa lacuna ao propor uma abordagem de priorização de vulnerabilidades orientada a perfis de risco, que combina a probabilidade de exploração, medida pelo Exploit Prediction Scoring System (EPSS), com o impacto contextual dos ativos, representado pela Nota de Criticidade de Sistema (NCS). A metodologia enriquece um conjunto de vulnerabilidades com essas métricas e aplica técnicas de clusterização para identificar grupos com padrões distintos de risco, permitindo comparar a priorização tradicional com a priorização baseada em risco real. Os resultados evidenciam perfis de vulnerabilidades que não seriam percebidos apenas pela severidade técnica, além de mostrar que é possível reduzir significativamente o conjunto de itens tratados como prioritários, mantendo foco nas ameaças de maior relevância. Como contribuição prática, a abordagem oferece às equipes de segurança uma visão estratégica para planejar remediações mais eficientes, alinhadas à criticidade dos ativos e à probabilidade de exploração.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.