原文标题：Measurements of the Most Significant Software Security Weaknesses
原文作者：CC Galhardo, P Mell, I Bojanova, A Gueye原文链接：Measurements of the Most Significant Software Security Weaknesses发表会议：ACSAC "20: Annual Computer Security Applications Conference笔记作者：JSY2019@安全学术圈笔记小编：黄诚@安全学术圈
背景
截至2019年，有超过17000个软件漏洞被记录。这些大量的漏洞可被映射到很少几种漏洞种类。
CWE于2019年推出了 “前25个最危险的软件错误”（Top 25 Most Dangerous Software Errors， MDSE）。作者提出，由于MDSE的计算公式将存在分布几乎截然不同的两个值：频率和严重度，放在一起计算，导致该计算公式高度偏向于频率，而几乎忽略了严重度的影响。频率的分布存在一个类似于幂函数的曲线，而严重度分布则更加平均。
本文提出了一个评价标准，用于计算“最显著的安全脆弱点”（Most Significant Security Weaknesses， MSSW）。该标准主要基于CWE。同样的，本文通过开源的CVE代码仓库来权衡传播广泛性（publicly announced）；通过CVSS来权衡漏洞的严重度；通过NVD仓库完成CVE-CWE-CVSS的映射。
已有方法的局限性
MDSE基于两个参数：严重性和频率。某个CWE的严重性参数由属于某个CWE条目下所有CVE的CVSS分数的均值决定。某个CWE的频率参数由属于某个CWE条目下的CVE个数和决定。
某个CWE的MDSE的计算步骤是这样的：首先将归一化后的频率参数和归一化后的严重性参数相乘，之后再乘以100。这里的归一化方法采用max-min归一化。
作者提出，MDSE存在着如下的局限性：
数据分布的不同之处
因频率和严重性的数据分布不同，导致就算MDSE将这两个参数同等处理，也会造成对频率的偏重过高。部分CWE有着非常少的频率，部分CWE有着非常大的频率。下图中，20个红色三角为被MDSE Top 20选中的CWE；其余的为102个黄色点。
对于严重性，相关性便没有那么强了。入选的CWE分布于很广泛的CVSS归一化后的范围。
归一化时的错误
MDSE在归一化时使用了min-max方式。对于CVSS（严重性参数）来说，这种归一化不会形成正态分布。这是因为每个CWE存在的CVE都是不同的，平均后的结果也不同。
作者提出的方法
作者将MDSE的归一化方法和严重度计算方法用以下五个公式进行了替换。
公式（7-9）替换了频率参数的归一化方法。将CVE总数目Ni先经过两次loge后（公式8-9）乘以一个来源于公式（7）的系数k。这三个公式的目的是将CWE频率分布的幂函数趋势转化为接近线性的趋势，解决了局限性1。（下图蓝色为原始分布，黄色和红色分别是loge一次和两次的分布）
对于严重度分布，公式（10）做了一个类似“全局min-max”的归一化。将当前CWE的CVSS分数最大、最小值换为了所有的CWE的CVSS均值的最大、最小值来进行min-max归一化。这样解决了局限性2。
最后，公式（11）将这两个归一化的参数相乘后乘以100。因为是将两个趋势形状较相同的值进行相乘，故得到的结果会更加平均，而非更倾向于哪一个参数的趋势。
实验效果
文章分别把使用MDSE和MSSW的风险分布图做了对比，可见MSSW分布更健康，而MDSE更多偏向于频率趋势。
MSSW的参数和CWE预测趋势图。
分别以MDSE和MSSW来计算2019 CWE top 20，以及得分与两个参数的相关度：
结论
本文的创新点可简述为通过修改归一化方法来做到修改数据分布，从而做到改进CWE重要度排序公式。通过修改两个归一化公式，做到了将分布趋势拟合为线性，得到了较好的结果。
安全学术圈招募队友-ing
有兴趣加入学术圈的请联系secdr#qq.com
声明：本文来自安全学术圈，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
