લગભગ 5.5% ઓળખાયેલ નબળાઈઓનો ઉપયોગ હુમલાઓ કરવા માટે થાય છે

વર્જિનિયા ટેક, સાયન્ટિયા અને RAND ના સંશોધકોની ટીમ, પ્રકાશિત વિવિધ નબળાઈ સુધારણા વ્યૂહરચનાઓ લાગુ કરતી વખતે જોખમ વિશ્લેષણના પરિણામો. 76 થી 2009 સુધીમાં મળી આવેલ 2018 હજાર નબળાઈઓનો અભ્યાસ કર્યા પછી, તે બહાર આવ્યું છે કે તેમાંથી ફક્ત 4183 (5.5%) નો ઉપયોગ વાસ્તવિક હુમલાઓ કરવા માટે થયો હતો. પરિણામી આંકડો અગાઉ પ્રકાશિત કરાયેલી આગાહી કરતા પાંચ ગણો વધારે છે, જેમાં શોષણક્ષમ સમસ્યાઓની સંખ્યા અંદાજે 1.4% છે.

જો કે, જાહેર ડોમેનમાં શોષણ પ્રોટોટાઇપ્સના પ્રકાશન અને નબળાઈનું શોષણ કરવાના પ્રયાસો વચ્ચે કોઈ સંબંધ જોવા મળ્યો નથી. સંશોધકો માટે જાણીતા નબળાઈઓના શોષણના તમામ તથ્યોમાંથી, સમસ્યા માટેના માત્ર અડધા કેસોમાં પહેલાં ખુલ્લા સ્ત્રોતોમાં પ્રકાશિત થયેલા શોષણનો પ્રોટોટાઇપ હતો. શોષણ પ્રોટોટાઇપનો અભાવ હુમલાખોરોને રોકતો નથી, જેઓ, જો જરૂરી હોય તો, તેમના પોતાના પર શોષણ બનાવે છે.

અન્ય નિષ્કર્ષોમાં મુખ્યત્વે નબળાઈઓના શોષણની માંગનો સમાવેશ થાય છે જેમાં CVSS વર્ગીકરણ અનુસાર ઉચ્ચ સ્તરનું જોખમ હોય છે. લગભગ અડધા હુમલાઓમાં ઓછામાં ઓછા 9 ના વજન સાથે નબળાઈઓનો ઉપયોગ કરવામાં આવ્યો હતો.

સમીક્ષા હેઠળના સમયગાળા દરમિયાન પ્રકાશિત થયેલ શોષણ પ્રોટોટાઇપ્સની કુલ સંખ્યા 9726 હોવાનો અંદાજ હતો જે અભ્યાસમાં ઉપયોગમાં લેવાતા શોષણ પરના ડેટામાંથી મેળવવામાં આવ્યો હતો
કલેક્શન એક્સપ્લોઈટ ડીબી, મેટાસ્પલોઈટ, ડી2 સિક્યુરિટીની ઈલિયટ કિટ, કેનવાસ એક્સપ્લોઈટેશન ફ્રેમવર્ક, કોન્ટેજીયો, રિવર્સિંગ લેબ્સ અને સિક્યોરવર્કસ સીટીયુ.
નબળાઈઓ વિશે માહિતી ડેટાબેઝમાંથી મેળવવામાં આવી હતી NIST NVD (રાષ્ટ્રીય નબળાઈ ડેટાબેઝ). FortiGuard લેબ્સ, SANS ઈન્ટરનેટ સ્ટોર્મ સેન્ટર, Secureworks CTU, Alienvault ના OSSIM અને ReversingLabs ની માહિતીનો ઉપયોગ કરીને ઓપરેશનલ ડેટાનું સંકલન કરવામાં આવ્યું છે.

કોઈપણ નબળાઈઓને ઓળખવા અને માત્ર સૌથી ખતરનાક સમસ્યાઓને દૂર કરવા માટે અપડેટ્સ લાગુ કરવા વચ્ચે શ્રેષ્ઠ સંતુલન નક્કી કરવા માટે અભ્યાસ હાથ ધરવામાં આવ્યો હતો. પ્રથમ કિસ્સામાં, ઉચ્ચ સંરક્ષણ કાર્યક્ષમતા સુનિશ્ચિત કરવામાં આવે છે, પરંતુ ઇન્ફ્રાસ્ટ્રક્ચર જાળવવા માટે મોટા સંસાધનોની જરૂર પડે છે, જે મુખ્યત્વે બિનમહત્વની સમસ્યાઓને સુધારવા માટે ખર્ચવામાં આવે છે. બીજા કિસ્સામાં, હુમલા માટે ઉપયોગમાં લઈ શકાય તેવી નબળાઈ ગુમાવવાનું ઉચ્ચ જોખમ છે. અભ્યાસ દર્શાવે છે કે નબળાઈને દૂર કરે તેવા અપડેટને ઇન્સ્ટોલ કરવાનું નક્કી કરતી વખતે, તમારે પ્રકાશિત એક્સપ્લોઈટ પ્રોટોટાઈપના અભાવ પર આધાર રાખવો જોઈએ નહીં અને શોષણની તક સીધી નબળાઈના ગંભીરતા સ્તર પર આધારિત છે.

સોર્સ: opennet.ru