في سياق إدارة الثغرات لشبكات الاتصال البيانات، يُعد تحديد الثغرات التي يجب معالجتها أولاً أمرًا في غاية الأهمية. بينما يُعتبر تحديد الثغرات باستخدام ماسحات الشبكة أمرًا بسيطًا نسبيًا، فإن تحديد أولوياتها بفعالية لمواجهة التحديات يمثل تحديًا كبيرًا. سابقًا، طورت فريقنا محولًا يعتمد على تعلم الآلة لترجمة درجات الأساس CVSS v2.0 إلى درجات الأساس CVSS v3.x، وذلك لتمكين استخدام درجة البيئة CVSS v3.x. السؤال المركزي في هذا البحث هو ما إذا كان الاستفادة من هذه الدرجات البيئية التي تم تمكينها بواسطة المحول CVSS v3.x تؤدي إلى تحسين ملحوظ في عملية تحديد أولويات الثغرات مقارنة بالطرق التقليدية، التي غالبًا ما تعتمد فقط على درجات الأساس CVSS v2.0. توفر درجة البيئة منظورًا أكثر دقة ومتعلقًا بالسياق حول تأثير الثغرات ضمن أنظمة معينة. لتقييم هذا النهج، سنقوم باختبار أداء المحول في البيئات الواقعية وتقييم تأثيره على اتخاذ قرارات مسؤولي الشبكة وسير العمل. سيتم قياس تحسين الأداء من خلال تحليل التغيرات في أوقات التخفيف، وتقليل خطر التهديد المحتمل، وكفاءة إدارة الثغرات بشكل عام. الهدف النهائي هو تحديد ما إذا كانت المنهجية المقترحة المعتمدة على تعلم الآلة توفر فوائد عملية، مما يعزز أمان المؤسسات من خلال تحديد أولويات الثغرات بشكل أكثر دقة وفعالية. تُظهر النتائج التجريبية أن تقييم البيئة CVSS v3.x يحل مشكلات عدم الدقة الحرجة في v2.0، مما يمكّن من تحديد أولويات الثغرات بشكل أكثر دقة. يحقق نهجنا مكتسبات كفاءة قابلة للقياس، حيث يقلل ساعات العمل الترميمية المقدرة بنسبة تصل إلى 8% مقارنة بأساليب CVSS v2.0. تؤكد الدراسة أن المنهجية المقترحة تُقدم فوائد عملية، مما يعزز أمان المؤسسات من خلال تحديد أولويات الثغرات بشكل أكثر دقة وفعالية.
درس بالسام وآخرون (الجمعة) هذا السؤال.