implementing-epss-score-for-vulnerability-prioritization

name	implementing-epss-score-for-vulnerability-prioritization
description	集成 FIRST 的漏洞利用预测评分系统（EPSS）API，基于 30 天内真实世界漏洞利用概率对漏洞修复工作进行优先排序。
domain	cybersecurity
subdomain	vulnerability-management
tags	["epss","vulnerability-prioritization","first","exploit-prediction","cvss","risk-based","machine-learning"]
version	1.0
author	mahipal
license	Apache-2.0

实施 EPSS 评分进行漏洞优先排序（Implementing EPSS Score for Vulnerability Prioritization）

概述

漏洞利用预测评分系统（Exploit Prediction Scoring System，EPSS）是由 FIRST（事件响应和安全团队论坛）开发的数据驱动模型，用于估算 CVE 在未来 30 天内在真实环境中被利用的概率。EPSS 使用基于真实世界漏洞利用数据训练的机器学习模型，产生 0.0 到 1.0（即 0% 到 100%）的评分。与衡量严重性的 CVSS 不同，EPSS 衡量的是被利用的可能性，这使其成为基于风险的漏洞优先排序的关键工具。

前置条件

• Python 3.9+，包含 requests、pandas、matplotlib
• 访问 FIRST EPSS API（https://api.first.org/data/v1/epss）
• 含 CVE 标识符的漏洞扫描结果
• 可选：用于 CVSS 丰富化的 NVD API 密钥

EPSS API 用法

查询单个 CVE

# 获取特定 CVE 的 EPSS 评分
curl -s "https://api.first.org/data/v1/epss?cve=CVE-2024-3400" | python3 -m json.tool

# 响应示例：
# {
#   "status": "OK",
#   "status-code": 200,
#   "version": "1.0",
#   "total": 1,
#   "data": [
#     {
#       "cve": "CVE-2024-3400",
#       "epss": "0.95732",
#       "percentile": "0.99721",
#       "date": "2024-04-15"
#     }
#   ]
# }

批量查询多个 CVE

# 最多批量查询 100 个 CVE
curl -s "https://api.first.org/data/v1/epss?cve=CVE-2024-3400,CVE-2024-21887,CVE-2023-44228" | \
  python3 -c "
import sys, json
data = json.load(sys.stdin)
for item in data['data']:
    pct = float(item['epss']) * 100
    print(f\"{item['cve']}: {pct:.2f}% 利用概率（百分位数：{item['percentile']}）\")
"

下载完整 EPSS 数据集

# 下载完整的每日 EPSS 评分（CSV 格式）
curl -s "https://epss.cyentia.com/epss_scores-current.csv.gz" | gunzip > epss_scores_current.csv

# 检查大小和预览
wc -l epss_scores_current.csv
head -5 epss_scores_current.csv

查询历史 EPSS 评分

# 获取特定日期的 EPSS 评分
curl -s "https://api.first.org/data/v1/epss?cve=CVE-2024-3400&date=2024-04-12"

# 获取时间序列数据
curl -s "https://api.first.org/data/v1/epss?cve=CVE-2024-3400&scope=time-series"

优先排序策略

EPSS + CVSS 组合方法

EPSS 评分	CVSS 评分	优先级	行动
> 0.7	>= 9.0	P0 - 立即	24 小时内修复
> 0.7	>= 7.0	P1 - 紧急	48 小时内修复
> 0.4	>= 7.0	P2 - 高	7 天内修复
> 0.1	>= 4.0	P3 - 中	30 天内修复
<= 0.1	>= 7.0	P3 - 中	30 天内修复
<= 0.1	< 7.0	P4 - 低	90 天内修复

EPSS 百分位阈值

• 前 1%（百分位 >= 0.99）：极有可能被利用；视同严重级别处理
• 前 5%（百分位 >= 0.95）：高利用概率；优先修复
• 前 10%（百分位 >= 0.90）：风险较高；安排近期修复
• 后 50%：低利用概率；在正常补丁周期中处理

实现

import requests
import pandas as pd
from datetime import datetime

def fetch_epss_scores(cve_list):
    """从 FIRST API 批量获取 CVE 列表的 EPSS 评分。"""
    scores = {}
    batch_size = 100
    for i in range(0, len(cve_list), batch_size):
        batch = cve_list[i:i + batch_size]
        resp = requests.get(
            "https://api.first.org/data/v1/epss",
            params={"cve": ",".join(batch)},
            timeout=30
        )
        if resp.status_code == 200:
            for entry in resp.json().get("data", []):
                scores[entry["cve"]] = {
                    "epss": float(entry["epss"]),
                    "percentile": float(entry["percentile"]),
                    "date": entry.get("date", ""),
                }
    return scores

def prioritize_vulnerabilities(scan_results_csv, output_csv):
    """用 EPSS 评分丰富扫描结果并分配优先级。"""
    df = pd.read_csv(scan_results_csv)
    cve_list = df["cve_id"].dropna().unique().tolist()

    epss_data = fetch_epss_scores(cve_list)

    df["epss_score"] = df["cve_id"].map(lambda c: epss_data.get(c, {}).get(, ))
    df[] = df[].( c: epss_data.get(c, {}).get(, ))

     ():
        epss = row.get(, )
        cvss = row.get(, )
         epss >   cvss >= :
             
         epss >   cvss >= :
             
         epss >   cvss >= :
             
         epss >   cvss >= :
             
         

    df[] = df.apply(assign_priority, axis=)
    df = df.sort_values([, ], ascending=[, ])
    df.to_csv(output_csv, index=)
    ()
    ()
    ()
    ()
    ()
    ()
     df

EPSS 趋势分析

def fetch_epss_timeseries(cve_id):
    """获取历史 EPSS 评分用于趋势分析。"""
    resp = requests.get(
        "https://api.first.org/data/v1/epss",
        params={"cve": cve_id, "scope": "time-series"},
        timeout=30
    )
    if resp.status_code == 200:
        return resp.json().get("data", [])
    return []

def detect_epss_spikes(cve_id, threshold=0.3):
    """检测 EPSS 评分显著上升，指示新兴威胁。"""
    timeseries = fetch_epss_timeseries(cve_id)
    if len(timeseries) < 2:
        return False
    sorted_data = sorted(timeseries, key=lambda x: x.get("date", ""))
    latest = float(sorted_data[-1].get("epss", 0))
    previous = float(sorted_data[-2].get("epss", 0))
    increase = latest - previous
    if increase >= threshold:
        print(f"[!] 检测到 {cve_id} 的 EPSS 激增：{previous:.3f} -> {latest:.3f} (+{increase:.3f})")
        return True
    return 

参考资料

• FIRST EPSS 官网
• EPSS API 文档
• EPSS 模型文档
• EPSS 数据下载
• Cyentia Institute 研究