| name | performing-asset-criticality-scoring-for-vulns |
| description | 开发并应用多因素资产关键性评分模型，根据业务影响、数据敏感性和运营重要性对漏洞优先级进行加权。 |
| domain | cybersecurity |
| subdomain | vulnerability-management |
| tags | ["asset-criticality","vulnerability-prioritization","risk-management","cmdb","business-impact","crown-jewels","asset-classification"] |
| version | 1.0 |
| author | mahipal |
| license | Apache-2.0 |
针对漏洞执行资产关键性评分
概述
资产关键性评分（Asset Criticality Scoring）为每个 IT 资产分配业务影响评级，使漏洞修复工作集中于对组织风险最大的系统。没有关键性背景，测试服务器上的 CVSS 9.0 漏洞与支付处理数据库上的相同漏洞会得到同等紧急处理。本技能涵盖构建多因素评分模型，纳入数据敏感性、业务功能依赖性、监管范围、网络暴露和可恢复性，创建 1-5 关键性等级，直接调整漏洞修复 SLA。
前置条件
- 配置管理数据库（CMDB）或资产清单
- 业务影响分析（BIA）数据
- 数据分类策略
- 网络架构文档
- 业务单元负责人的干系人输入
核心概念
资产关键性评分模型
| 因素 | 权重 | 分数范围 | 描述 |
|---|
| 业务功能影响 | 25% | 1-5 | 所支撑业务流程的关键程度 |
| 数据敏感性 | 25% | 1-5 | 处理/存储数据的类型和敏感性 |
| 监管范围 | 15% | 1-5 | 监管要求（PCI、HIPAA、SOX） |
| 网络暴露 | 15% | 1-5 | 面向互联网与仅内部使用 |
| 可恢复性 | 10% | 1-5 | RTO/RPO 要求、灾备能力 |
| 用户群体 | 10% | 1-5 | 受影响的用户/客户数量 |
关键性等级定义
| 等级 | 分数范围 | 标签 | SLA 调整 | 示例 |
|---|
| 1 | 4.5-5.0 | 皇冠宝石 | -50% SLA | 域控制器、支付系统、ERP |
| 2 | 3.5-4.4 | 高价值 | -25% SLA | 邮件服务器、HR 系统、CI/CD |
| 3 | 2.5-3.4 | 标准 | 基线 SLA | 内部应用、文件服务器 |
| 4 | 1.5-2.4 | 低影响 | +25% SLA | 测试环境、打印机 |
| 5 | 1.0-1.4 | 最小 | +50% SLA | 下线中、隔离实验室 |
数据敏感性评分
| 分数 | 分类 | 示例 |
|---|
| 5 | 受限/机密 | PII、PHI、支付卡数据、商业机密 |
| 4 | 保密 | 财务报告、HR 记录、源代码 |
| 3 | 内部 | 内部文件、政策、项目文件 |
| 2 | 半公开 | 营销材料、新闻稿（草稿） |
| 1 | 公开 | 已发布内容、公开 API |
实施步骤
步骤 1：定义评分标准
class AssetCriticalityScorer:
"""多因素资产关键性评分引擎。"""
WEIGHTS = {
"business_function": 0.25,
"data_sensitivity": 0.25,
"regulatory_scope": 0.15,
"network_exposure": 0.15,
"recoverability": 0.10,
"user_population": 0.10,
}
TIER_THRESHOLDS = [
(4.5, 1, "皇冠宝石", -0.50),
(3.5, 2, "高价值", -0.25),
(2.5, 3, "标准", 0.00),
(1.5, 4, "低影响", 0.25),
(1.0, 5, "最小", 0.50),
]
def score_asset(self, asset):
"""计算资产的关键性分数。"""
weighted_score = sum(
asset.get(factor, 3) * weight
for factor, weight in self.WEIGHTS.items()
)
score = round(weighted_score, 2)
for threshold, tier, label, sla_mod in self.TIER_THRESHOLDS:
if score >= threshold:
{
: score,
: tier,
: label,
: sla_mod,
}
{: score, : , : , : }
():
modifier = asset_tier_data[]
adjusted = (base_sla_days * ( + modifier))
(, adjusted)
步骤 2：与漏洞优先级集成
def apply_criticality_to_vulns(vulns_df, asset_scores):
"""用资产关键性背景丰富漏洞数据。"""
for idx, vuln in vulns_df.iterrows():
asset_id = vuln.get("asset_id", "")
asset_data = asset_scores.get(asset_id, {"tier": 3, "sla_modifier": 0})
vulns_df.at[idx, "asset_tier"] = asset_data["tier"]
vulns_df.at[idx, "asset_label"] = asset_data.get("label", "标准")
base_sla = get_base_sla(vuln["severity"])
adjusted_sla = int(base_sla * (1 + asset_data["sla_modifier"]))
vulns_df.at[idx, "adjusted_sla_days"] = max(1, adjusted_sla)
return vulns_df
最佳实践
- 让业务干系人参与关键性评分；仅凭 IT 部门无法评估业务影响
- 至少每季度或在系统更改角色时审查并更新关键性分数
- 尽可能使用 CMDB 标签和数据分类标签自动化评分
- 将关键性等级应用于漏洞 SLA，实现与风险成比例的修复
- 对照实际事件影响数据验证评分，以校准模型
- 先从简单的 3 级模型开始，再扩展到 5 级
常见陷阱
- 将所有资产归类为"关键"，这会使分级失去意义
- 系统改变用途或下线时未更新关键性分数
- 仅使用技术因素而无业务背景
- 无论资产重要性如何一律应用相同的 SLA
- 未记录评分方法用于审计和一致性
相关技能
- performing-cve-prioritization-with-kev-catalog
- building-vulnerability-aging-and-sla-tracking
- performing-business-impact-analysis
- implementing-asset-management-program
