← К материалу

Модели распространения / Теория

SI, SIS и SIR: распространение угроз

Как восстановление меняет динамику заражения

Сравним три модели заражения сети и разберём, как очистка и устранение уязвимости меняют результат.

Предположим, в сети организации появился заражённый компьютер. Он взаимодействует с другими узлами и может передавать им вредоносное ПО. Построим модель этого процесса, а затем постепенно добавим восстановление. Так разберёмся, почему в одном случае заражение охватывает всю сеть, в другом сохраняется на постоянном уровне, а в третьем проходит волной и затухает.

Выберем состояния и обозначения

Будем рассматривать одну угрозу, способную распространяться между узлами. В каждый момент узел находится в одном из состояний: он уязвим, заражён или восстановлен с устранением возможности повторного заражения той же угрозой.

ОбозначениеСмысл
Число уязвимых узлов
Число заражённых узлов, распространяющих угрозу
Число восстановленных узлов, невосприимчивых к рассматриваемой угрозе
Общее число узлов сети
Коэффициент заражения
Скорость восстановления

Число узлов примем постоянным. Будем считать, что устройства однородны и равномерно взаимодействуют между собой, а параметры не меняются во время расчёта. Отдельные соединения и подсети при таком описании не воспроизводятся: мы следим за численностью групп. Она меняется непрерывно, поэтому дробные значения на кривых допустимы — это усреднённое описание совокупности устройств.

Время будем измерять в часах. Тогда и имеют размерность ч⁻¹. Это коэффициенты скорости, а не вероятности. Например, ч⁻¹ соответствует средней длительности заражённого состояния часов. Восстановление одного узла при этом не обязано занимать ровно пять часов.

SI начнём с распространения без восстановления

Сначала предположим, что заражённые узлы не очищаются. Уязвимый узел может заразиться, но обратного перехода нет:

Граф переходов модели SI
Граф переходов модели SI

На стрелке указан поток новых заражений — число узлов, переходящих из в за единицу времени. Узлы только меняют состояние, поэтому

Чтобы получить скорость заражения, учтём число источников и долю уязвимых устройств . Чем больше источников и доступных им целей, тем больше новых заражений. Коэффициент задаёт интенсивность этого процесса:

Производная слева показывает, с какой скоростью растёт число заражённых узлов. Каждый новый заражённый покидает группу , поэтому уязвимых становится меньше. Подставим и получим:

Пока заражённых мало, выражение в скобках близко к единице. Источников становится всё больше, и рост близок к экспоненциальному. Затем сказывается нехватка уязвимых узлов: рост замедляется, хотя восстановления по-прежнему нет.

Возьмём сеть из узлов, в которой сначала заражены , а остальные уязвимы. При ч⁻¹ получим следующие кривые.

Динамика уязвимых и заражённых узлов в модели SI
Динамика уязвимых и заражённых узлов в модели SI

Рисунок 1. SI: заражённые узлы остаются источниками угрозы, а число уязвимых постепенно уменьшается до нуля.

На рисунке рост сначала ускоряется, а затем замедляется. К концу показанного интервала почти вся сеть заражена. Это замедление нельзя принять за результат защиты: просто заражать становится некого. При и ненулевом начальном заражении решение стремится к . Если заражённых изначально нет, модель сама их не создаёт.

Для ИБ такое приближение описывает распространение сетевого червя до начала восстановления. Теперь посмотрим, что изменится, если заражённые устройства всё-таки очищать.

SIS вернём очищенные узлы в уязвимую группу

Удаление вредоносного ПО не всегда устраняет причину заражения. Если уязвимость осталась, очищенный узел снова может быть заражён. Получается цикл:

Граф переходов модели SIS
Граф переходов модели SIS

Здесь две вершины: после очистки узел возвращается из в ту же группу . На верхней стрелке указан поток заражения, на нижней — поток восстановления. Общее число узлов сохраняется:

Добавим в уравнение поток восстановления . Он уменьшает число заражённых, тогда как новые заражения его увеличивают:

Теперь результат зависит от соотношения этих потоков. При введём основное репродуктивное число:

Поясним его смысл. В полностью уязвимом окружении один заражённый узел создаёт новые заражения со средней скоростью и остаётся источником в среднем единиц времени. Произведение скорости на время даёт — среднее число новых заражений от одного источника в таком окружении.

При заражение затухает. При и ненулевом начальном заражении система приходит к постоянному ненулевому уровню. Найдём его, подставив и приравняв правую часть уравнения к нулю:

Такое состояние называют эндемическим равновесием. Узлы продолжают заражаться и восстанавливаться, но скорости двух процессов равны. Число заражённых ниже растёт к нему, а выше — уменьшается.

Оставим прежние и , зададим ч⁻¹ и сравним три значения .

Затухание и ненулевое равновесие в модели SIS
Затухание и ненулевое равновесие в модели SIS

Рисунок 2. SIS: при число заражённых приближается к . Две нижние кривые показаны крупнее во вставке.

При ч⁻¹ очистка не успевает подавить распространение: заражение сохраняется в сети. При ч⁻¹ оно затухает. Граничный случай , то есть , тоже приводит к затуханию, но гораздо более медленному. Действительно, при равенстве коэффициентов уравнение принимает вид:

При правая часть отрицательна. По мере уменьшения скорость убывания становится всё меньше — это и видно на синей пунктирной кривой. Таким образом, равенство коэффициентов ещё не означает равенства потоков при ненулевом заражении: поток заражения зависит также от доли уязвимых узлов.

SIR изменим результат восстановления

Теперь предположим, что при восстановлении устраняется и возможность повторного заражения той же угрозой. Узел больше не возвращается в уязвимую группу, а переходит в состояние :

Граф переходов модели SIR
Граф переходов модели SIR

Граф теперь содержит третью вершину. Поток восстановления направлен в , а обратного перехода в нет. Все три группы вместе составляют сеть:

Именно результат восстановления отличает SIR от SIS. Простая переустановка без устранения уязвимости такого перехода не гарантирует. Невосприимчивость здесь относится к одной рассматриваемой угрозе на выбранном интервале времени.

Запишем уравнения для всех трёх групп:

Первое уравнение описывает убыль уязвимых, второе — баланс заражения и восстановления, третье — накопление невосприимчивых узлов. Если сложить правые части, все потоки сократятся: общее число узлов сохраняется.

Уравнение для выглядит так же, как в SIS. Однако уязвимые узлы теперь только расходуются, а восстановленные не пополняют их число. Чтобы понять, когда рост сменится спадом, вынесем за скобки. При получим условие роста:

Здесь по-прежнему при . Буква обозначает число восстановленных узлов, а — безразмерный параметр. Для начала роста недостаточно одного : нужна ещё достаточно большая доля уязвимых узлов.

Возьмём те же ч⁻¹ и ч⁻¹, при которых SIS сохраняла заражение. Начальное состояние зададим как , , .

Волна заражения и накопление восстановленных узлов в модели SIR
Волна заражения и накопление восстановленных узлов в модели SIR

Рисунок 3. SIR: число заражённых сначала растёт, затем убывает. Вертикальная линия отмечает пик заражения.

В начале источники успевают заражать новые узлы быстрее, чем восстанавливаться. Но уменьшается, и в момент пика скорости заражения и восстановления сравниваются:

В нашем случае , поэтому пик наступает, когда уязвимых остаётся примерно 333. Это значение относится к , а не к числу заражённых: максимум на рисунке составляет около 304 узлов. После пика уязвимых становится ещё меньше и заражение идёт на спад. Если условие роста не выполнено уже в начальный момент, последующего пика не будет: убывает с самого начала.

При в классической SIR заражение со временем затухает. При этом часть узлов остаётся незаражённой: в нашем примере — около 59. Волна заканчивается потому, что источникам всё труднее находить уязвимые устройства, а восстановление продолжается. Постоянного ненулевого уровня заражения, как в SIS, здесь нет.

Сопоставим результаты

Мы меняли результат восстановления, сохраняя один механизм заражения. В SI заражённые узлы накапливаются, в SIS очищенные снова становятся уязвимыми, а в SIR восстановленные исключаются из дальнейшего распространения той же угрозы.

МодельПереход после зараженияРезультат
SIВосстановления нетПри и заражение охватывает сеть
SISПри заражение затухает либо сохраняется на уровне
SIRПри заражение затухает; часть узлов может остаться незаражённой

Для защиты сети это различие существенно. Ускорение очистки увеличивает , а ограничение опасных взаимодействий может уменьшать . Но очистка с сохранением уязвимости и восстановление с её устранением приводят к разным траекториям даже при одинаковых коэффициентах.

Если патчи устанавливаются на ещё не заражённые узлы во время распространения, нужен дополнительный переход . В записанной классической SIR его нет. Заранее защищённые устройства можно учесть начальным составом групп, а патчинг во время расчёта потребует дополнить уравнения.

Проследим отдельные компьютеры в игре

В игре «Живая сеть» зададим те же правила переходов для 24 компьютеров, два из которых заражены в начале. Выберем модель, предположим исход и запустим сеть. Нажмём на персонажа, чтобы проследить его состояние и события: в SIS после очистки он снова может заразиться, а в SIR восстановленный компьютер остаётся защищённым от той же угрозы.

Здесь численности меняются целыми скачками. Моменты заражения и восстановления случайны: их суммарные интенсивности равны и . Это стохастический вариант того же механизма, реализованный алгоритмом Гиллеспи. Движение персонажей условно: расстояние между ними не определяет вероятность контакта.

На вспомогательном графике сплошная ступенчатая линия показывает одну случайную партию, а пунктир — непрерывную модель при тех же параметрах и начальных условиях. В небольшой закрытой сети заражение может исчезнуть даже при . Поэтому по одной партии нельзя доказывать эндемическое равновесие SIS, а ненулевое число заражённых через 60 модельных часов ещё не означает равновесия.

Параметры задаются до запуска. При переключении SI, SIS и SIR сохраняются выбранные условия и результаты серии; кнопка «Заново» сбрасывает серию. В отличие от отдельного опыта веб-эксперимента, изменения скорости восстановления в середине партии здесь нет. Сравним наблюдения для трёх правил восстановления и объясним различия через переходы между состояниями.