This paper investigates vulnerabili

This paper investigates vulnerability detection performance between hardware-based (NetClarity) and software-based (Nessus) test tools. However, both test tools use different standard to classify risk level. Not only that, vulnerability detection has weakness. It is unable to address the overall risk level of the scanned network. Therefore, this paper proposed“Network Risk Metric” to compensate overall risk evaluation from various vulnerability
detection tools. Two major ideas are applied: “Weight-Cut-off Severity Normalization” and “Probability of Trust”. Experimental results showthat the total estimated risk(%)derived from “Network Risk Metric” iseffective. It compromises the differences of risk detected from various test tools and can be used to represent the overall risk in more reasonable way. Fuzzy Logic will be applied to the “Network Risk Metric” in the future work.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้สำรวจผลการดำเนินงานการตรวจสอบช่องโหว่ระหว่างฮาร์ดแวร์ (netclarity) และเครื่องมือซอฟต์แวร์ที่ใช้ (nessus) ทดสอบ แต่ทั้งสองเครื่องมือทดสอบใช้มาตรฐานที่แตกต่างกันในการจัดระดับความเสี่ยง ไม่เพียง แต่ที่ตรวจสอบช่องโหว่มีความอ่อนแอ มันไม่สามารถที่จะอยู่ในระดับความเสี่ยงโดยรวมของเครือข่ายที่สแกน ดังนั้นกระดาษนี้ "ความเสี่ยงเครือข่ายตัวชี้วัด" ที่นำเสนอเพื่อชดเชยการประเมินความเสี่ยงโดยรวมจากเครื่องมือการตรวจสอบช่องโหว่
ต่างๆ สองความคิดที่สำคัญมีการใช้ "น้ำหนักตัดความรุนแรงฟื้นฟู" และ "ความน่าจะเป็นของความไว้วางใจ" ผลการทดลอง showthat ความเสี่ยงรวมประมาณ (%) มาจาก "ความเสี่ยงเครือข่ายเมตริก" iseffectiveมันบั่นทอนความแตกต่างของความเสี่ยงจากการตรวจพบเครื่องมือทดสอบที่หลากหลายและสามารถนำมาใช้เพื่อเป็นตัวแทนของความเสี่ยงโดยรวมในทางที่เหมาะสมมากขึ้น ตรรกศาสตร์จะถูกนำไปใช้กับ "ความเสี่ยงเครือข่ายวัด" ในการทำงานในอนาคต

ผลลัพธ์ (ไทย) 2:

กระดาษนี้ตรวจสอบประสิทธิภาพตรวจหาช่องโหว่ระหว่างใช้ฮาร์ดแวร์ (NetClarity) และซอฟต์แวร์เครื่องมือทดสอบ (Nessus) อย่างไรก็ตาม เครื่องมือทดสอบทั้งใช้มาตรฐานต่าง ๆ ในการจัดประเภทความเสี่ยงระดับ ไม่เฉพาะที่ ตรวจหาช่องโหว่ได้อ่อนแอ ไม่สามารถอยู่ในระดับความเสี่ยงโดยรวมของเครือข่ายสแกน ดังนั้น เอกสารนี้นำเสนอ "เครือข่ายความเสี่ยงวัด" จะตอบแทนโดยรวมการประเมินความเสี่ยงจากช่องโหว่ต่าง ๆ
เครื่องมือ ใช้แนวคิดหลักที่สอง: "น้ำหนักตัดออกฟื้นฟูความรุนแรง" และ "ความน่าเป็นของใจ" Showthat ผลการทดลองความเสี่ยงประเมินรวม (%) มาจาก "เครือข่ายความเสี่ยงวัด" iseffective มันลดระดับในเรื่องความแตกต่างของความเสี่ยงที่ตรวจพบจากเครื่องมือทดสอบต่าง ๆ และสามารถใช้เพื่อแสดงถึงความเสี่ยงโดยรวมในทางที่เหมาะสมมากขึ้น จะใช้ตรรกศาสตร์ในการ "เครือข่ายความเสี่ยงวัด" ทำงานในอนาคต

ผลลัพธ์ (ไทย) 3:

เอกสารนี้ทำการพิจารณาข้อสงสัยทั้งหมดของ ประสิทธิภาพ การตรวจจับจุดอ่อนระหว่างเครื่องมือการทดสอบฮาร์ดแวร์( netclarity )และซอฟต์แวร์( nessus ) อย่างไรก็ตามเครื่องมือการทดสอบทั้งสองแบบให้ใช้มาตรฐานที่แตกต่างกันไปในการจัดระดับความเสี่ยง ไม่ใช่เฉพาะการตรวจจับความเสี่ยงมีความอ่อนแอ. มันไม่สามารถไปยังที่อยู่ระดับความเสี่ยงโดยรวมของเครือข่ายที่สแกน ดังนั้นเอกสารนี้เสนอ"เครือข่ายความเสี่ยงต่อระบบเมตริก"เพื่อเป็นการชดเชยการประเมินความเสี่ยงโดยรวมจากเครื่องมือจุดอ่อน
การตรวจจับต่างๆ สองแนวความคิดที่สำคัญมีการใช้" weight-cut - ปิดความรุนแรงสู่ระดับปกติ"และ"ความเป็นไปได้ของความน่าเชื่อถือ" ผลการทดลอง showthat ความเสี่ยงต่อยอดรวมที่ประมาณการ(%)ที่ได้จาก"เครือข่ายความเสี่ยงต่อระบบเมตริก" iseffectiveผสานความแตกต่างกันได้ที่มีความเสี่ยงตรวจพบจากเครื่องมือทดสอบที่หลากหลายและสามารถนำไปใช้ในการเป็นตัวแทนความเสี่ยงโดยรวมในทางที่เหมาะสมมากขึ้น Fuzzy Logic เหมาะจะถูกนำไปใช้กับ"เครือข่ายความเสี่ยงระบบเมตริก"ในงานในอนาคตได้