Behavioral Profiling for Monitoring Cyberattacks

Jaarlijks digitaliseren we verder en groeit de hoeveelheid data op het internet explosief. Deze ontwikkelingen bieden ook criminelen nieuwe kansen: cyberaanvallen veroorzaken steeds meer financiële schade. Malware evolueert voortdurend, waardoor effectieve verdedigingsmechanismen noodzakelijk zijn. Bovendien bestaan veel aanvallen niet uit één kwaadaardige actie, maar uit ogenschijnlijk onschuldige handelingen die pas schadelijk blijken als ze in samenhang worden geanalyseerd.

Dit onderzoek richt zich op dit maatschappelijke en wetenschappelijke probleem door proactieve gedragsdetectie te bestuderen, met name op het gebied van digitale veiligheid – bijvoorbeeld voor burgers, instellingen, gezondheidszorg en kritieke infrastructuur. Uit de literatuur blijkt dat proactieve gedragsdetectie binnen cybersecurity nog onvoldoende is onderzocht.

Onderzoeksmethode

De onderzoeksmethode draait om gedragsdetectie, die in vergelijking met traditionele, handtekening-gebaseerde detectie beter evoluerende en onbekende (zero-day) bedreigingen opspoort. Dit gaat wel gepaard met nadelen, zoals meer valse alarmmeldingen en hogere rekenkracht. Er zijn twee detectiemodi: reactief (analyse na een incident) en proactief (detectie tijdens een aanval).

Dit onderzoek wil de standaard in cybersecurity vernieuwen door process mining en AI in te zetten voor innovatieve oplossingen. Het doel is een schaalbaar raamwerk met aanpasbare gedragsdetectiecomponenten (zogeheten ‘engagement rules’), die proactief verschillende soorten aanvallen monitoren en detecteren. Data en AI spelen hierbij niet alleen een rol bij het herkennen van patronen, maar ook bij adaptief redeneren in complexe aanvalsscenario’s.

Onderzoeker

Michele Kryston, PhD kandidaat

Wetenschappelijk begeleiders

• Dr. Claudio di Ciccio, Departement Informatica Universiteit Utrecht
• Prof. dr. Hajo Reijers, Departement Informatica Universiteit Utrecht