A Likelihood Ratio Detector for Identifying Within-Perimeter Computer Network Attacks
快速检测企业计算机网络防火墙内的攻击者是至关重要的。异常检测器通过量化与正常网络节点的基线统计模型的偏差并在观察到的数据显著偏离基线模型时发出入侵信号来解决这个问题。然而,许多异常检测器不考虑合理的攻击者行为。结果,异常检测器由于不寻常但良性的活动而容易出现大量误报。本文首先介绍了一个随机的攻击者行为模型,它是由现实世界的攻击者遍历。然后,我们开发了一个似然比检测器,比较观察到的网络行为的概率在正常条件下的情况下,当攻击者可能危及网络内的主机的子集。由于似然比检测器需要在每个主机被破坏的时间上进行积分,因此我们说明了如何使用Monte Carlo方法来计算所需的积分。然后,我们提出了各种网络参数化的受试者工作特征(ROC)曲线,表明对于任何真阳性率,似然比检测器的假阳性率不高于简单异常检测器的假阳性率,并且通常更低。我们的结论是,演示的优越性,提出的似然比检测器时,从现实世界的网络中提取的网络拓扑结构和参数。
2016-09-01 cs.CR
NERVE Attacks: Breaking AI-Powered Brain-Computer Interfaces
Microsoft(微软);KTH Royal Institute of Technology(皇家理工学院);Nokia Bell Labs(诺基亚贝尔实验室);Technical University of Munich(慕尼黑工业大学);University of Cambridge(剑桥大学)
本文提出 NERVE 攻击类别,系统刻画脑机接口的五类攻击维度,并开发 EEGle 框架评估,发现 17 种新型攻击,揭示生成式 AI 降低了攻击门槛。
2026-09-09 cs.CR
Building Computer Network Attacks
Core Security Technologies(核心安全技术公司)
在这项工作中,我们通过引入概念工具(正式模型)来评估攻击的成本,描述网络战攻击所涉及的战区、目标、任务、行动、计划和资产,开始走上一条新的视角来观察网络战场景的道路。我们还描述了这个模型的两个应用程序:自主规划导致自动渗透测试,攻击模拟,允许系统管理员评估他的网络的漏洞。
2010-06-09 cs.AI cs.CR
SynChain: Inducing Computer-Use Agent Systems to Construct Their Own Attack Chains
Nanyang Technological University(南洋理工大学);Xidian University(西安电子科技大学);Institute of Science Tokyo(东京科学大学)
该研究提出SynChain攻击范式,通过定向监督微调诱导计算机使用智能体构建含恶意内容的良性制品,在多模型多防御设置下实现高攻击成功率,揭示需对智能体跨任务执行轨迹做来源感知推理以保障安全。
2026-08-10 cs.CR
Precision-based attacks and interval refining: how to break, then fix, differential privacy on finite computers
尽管在十多年前就被提出来作为一个问题,但浮点运算的不精确性继续在差分私有噪声机制的实现中导致隐私失败。在本文中,我们强调了一类新的漏洞,我们称之为\emph{precision-based attacks},并影响几个开源库。为了解决这个漏洞,并实现差分浮点空间的私有机制在一个安全的方式,我们提出了一种新的技术,称为\emph{interval refining}。这种技术具有最小的错误,可证明的隐私和广泛的适用性。我们使用区间细化来设计和实现拉普拉斯机制的一个变体,相当于从拉普拉斯分布中采样并舍入为浮点数。我们报告了这种方法的性能,并讨论了如何使用区间细化来安全地实现其他机制,包括高斯机制和指数机制。
2022-07-27 cs.CR
PIXHELL Attack: Leaking Sensitive Information from Air-Gap Computers via `Singing Pixels'
提出PIXHELL攻击,利用屏幕像素图案诱发LCD电子元件发声,在无音频硬件条件下构建0–22 kHz隐蔽信道,2米外窃取气隙计算机数据。
2024-09-07 cs.CR
Masking Countermeasures Against Side-Channel Attacks on Quantum Computers
本研究提出修改量子计算机转译器的掩码防御方案,可在特定门集合可防护的前提下,通过深度线性增长的转译电路隐藏量子电路信息,并在IBM量子计算机上验证了实现可行性。
2025-01-13 cs.CR quant-ph
ZoneClaw: Mitigating Persistent Memory Attacks by Establishing Memory-Zoning in OpenClaw-Style Computer-Use Agents
National University of Singapore(新加坡国立大学)
ZoneClaw通过分层信任区分离持久性与权威,阻止外部声明获得行动指导权,将攻击成功率从372/480降至6/480,同时保持高实用性。
2026-10-02 cs.CR
Exploration of Quantum Computer Power Side-Channels
本研究首次证明功率侧信道攻击可针对量子计算机,通过分析控制脉冲逆向工程电路与算法,提出五种攻击并给出防御方法。
2023-05-09 cs.CR quant-ph
The Impostor Among US(B): Off-Path Injection Attacks on USB Communications
USB是现代计算机系统中最普遍的外围接口,其固有的不安全性使其成为吸引人的攻击媒介。USB的一个众所周知的限制是流量没有加密。这使得路径上的对手可以轻易地执行中间人攻击。破坏通信机密性的偏离路径攻击也被证明是可能的。然而,到目前为止,还没有发现破坏USB通信完整性的偏离路径攻击。在这项工作中,我们表明,USB通信的完整性是不能保证,即使对off-path attackers.Specifically,我们设计和构建恶意设备,即使当放置在受害者设备和主机之间的路径外,可以注入数据到该path. Using我们开发的注入器,我们可以伪造的数据输入的来源解释由主机计算机系统。通过代表受信任的受害者设备进行注入,我们可以绕过计算机系统针对常见USB攻击采用的任何基于软件的授权策略防御。我们展示了两个具体的攻击。第一个注入漏洞,允许攻击者执行命令。第二个演示了文件内容的替换,包括在系统安装过程中从USB磁盘。我们在29个USB 2.0和USB 3.x集线器上测试了攻击,发现其中14个是脆弱的。
2022-11-03 cs.CR
Software-based Microarchitectural Attacks
现代处理器是高度优化的系统,其中每个计算时间周期都很重要。许多优化取决于正在处理的数据。基于软件的微体系结构攻击利用了这些优化的效果。微体系结构侧信道攻击从密码计算、通用计算或内核泄漏秘密。这种泄漏甚至会在所有常见的隔离边界(如进程、容器和虚拟机)上持续存在。微体系结构故障攻击利用现代计算机系统的物理缺陷。收缩进程技术在孤立的硬件元素之间引入了影响,攻击者可以利用这些影响来控制整个系统。这些攻击在攻击者没有特权甚至是沙箱的情况下特别有趣。在这篇论文中,我们专注于商品系统的微架构攻击和防御。我们调查了已知的和新的侧通道,并表明微架构攻击可以完全自动化。此外,我们表明,这些攻击可以安装在高度受限的环境中,如网站中的沙箱JavaScript代码。我们表明,微架构攻击存在于任何现代计算机系统,包括移动设备(例如,智能手机)、个人计算机和商业云系统。本论文由两部分组成。在第一部分中,我们提供了现代处理器架构的背景,并讨论了最先进的攻击和防御领域的微架构侧信道攻击和微架构故障攻击。在第二部分中,我们的论文的选择提供没有修改,从他们的原始出版物。我与人合著了这些论文,这些论文随后经过匿名同行评审,被接受,并在著名的国际会议上发表。
2017-06-19 cs.CR
Survey of Transient Execution Attacks
瞬时执行攻击,也称为推测执行攻击,由于它们利用指令的瞬时执行,在分支预测期间泄漏数据。瞬态执行是现代计算机体系结构的基础,但如已经证明的那样构成安全风险。自2018年1月首次披露Spectre和Meltdown攻击以来,已经出现了许多新的攻击类型或攻击变体。这些攻击促使计算机架构师重新思考处理器的设计并提出硬件防御。本文总结了瞬时执行攻击的组成和阶段。每一个组成部分进一步讨论和分类。一组指标,提出了每个组件来评估攻击的可行性。此外,还总结了攻击中可能泄露的数据。此外,现有的攻击进行了比较,这些攻击的局限性进行了讨论的基础上提出的度量。最后,现有的缓解措施,在微体系结构的水平,从文献进行了讨论。
2020-08-30 cs.CR
Anticipating Decoder Side-channel Attacks in Fault-tolerant Quantum Computers
University College London(伦敦大学学院);Keio University(庆应义塾大学)
该研究针对容错量子计算机,识别出利用解码器系统边信道攻击的新类型。引入门指纹概念,通过Clifford+T计算展示其产生方式,探讨利用门指纹信息推断计算,发现解码器系统易遭攻击,建议由可信方构建或保护。
2026-07-15 cs.CR quant-ph
A limited technical background is sufficient for attack-defense tree acceptability
本研究通过102名参与者的实证调查,发现即使技术背景有限,用户也能接受攻击-防御树,证明其作为威胁建模方法的广泛适用性。
2025-03-29 cs.CR
A Novel Model for Integration of Information Security Management against Replication Attack Based on Biological Structures of the Body
随着通信的发展和接入点的增加,计算机网络已经相当容易受到大范围的信息攻击,特别是新的和复杂的攻击。每天,复制攻击都会攻击数百万网络和移动用户。复制攻击数量的增加可能对短信或网络的收入构成潜在危险,并导致这些服务提供商的客户流失。人类或软件都可以用来对付这些复制攻击。显然,单独绝对地使用每种方法并不能很好地解决遇到复制攻击的问题。由于复制攻击是计算机和移动电话用户在组织中的信息保护和安全的重要问题之一,本文在回顾复制攻击的类型和遭遇方法的同时,利用复制攻击中的身体病理和入侵者因素之间的相似性,基于身体适应性免疫系统中存在的生物模拟方法提供了一个模型来遭遇这些威胁。
2014-11-23 cs.CR
Secure Arcade: A Gamified Defense Against Cyber Attacks
本文提出一个游戏化Web应用,通过四项学习目标帮助普通用户掌握计算机安全术语、基础密码学、钓鱼邮件识别和服务器攻击应对,以弥补安全教育仅限高等教育的问题。
2023-11-01 cs.CR
Your Computer is Leaking
本演示文稿重点介绍量子计算和量子密码学之间的差异。这两个讨论与经典的计算机系统的脆弱性。有关量子密码学的研究是根据剑桥大学与东芝公司合作所做的工作进行分析的,瑞典研究人员也对能量-时间纠缠系统的QKD进行了攻击。量子计算是涵盖在经典密码学的弱点所提出的肖尔算法。以前也讨论过的经典漏洞是由以色列研究人员使用抛物线麦克风进行的侧信道攻击,此后已被修补。
2016-09-29 cs.CR
Adversarial Machine Learning for Cybersecurity and Computer Vision: Current Developments and Challenges
Purdue University(普渡大学)
我们提供了对抗性机器学习的全面概述,重点关注两个应用领域,即,网络安全和计算机视觉。对抗性机器学习的研究解决了机器学习技术广泛应用的重大威胁-它们容易受到恶意对手精心设计的攻击。例如,深度神经网络无法正确分类对抗性图像,这些图像是通过向干净图像添加不可感知的扰动而生成的。我们首先讨论针对机器学习技术的三大类攻击--中毒攻击、规避攻击和隐私攻击。然后介绍了相应的防御方法以及现有防御方法的不足和局限性。我们注意到网络安全和计算机视觉中的对抗性样本是根本不同的。虽然网络安全中的对抗性样本与训练数据相比通常具有不同的属性/分布,但计算机视觉中的对抗性图像是通过微小的输入扰动创建的。这进一步使鲁棒学习技术的开发复杂化,因为鲁棒学习技术必须承受不同类型的攻击。
2021-06-30 cs.CR cs.LG
Secure ARP and Secure DHCP Protocols to Mitigate Security Attacks
为了使网络计算机相互通信,它们需要知道彼此的IP地址和MAC地址。地址解析协议(ARP)是用来查找映射到特定IP地址的以太网地址的。源计算机广播对以太网地址的请求,最终目标计算机应答。IP到以太网地址的映射稍后将存储在ARP缓存中一段时间,之后重复该过程。由于ARP容易受到ARP中毒攻击,我们建议使其单播,集中和安全,以及DHCP协议的安全设计,以减轻MAC欺骗。详细介绍了安全协议的设计。最后,我们还讨论了一些性能问题,以显示所提出的协议是如何工作的。
2014-10-16 cs.CR
Quantum Circuit Reconstruction from Power Side-Channel Attacks on Quantum Computer Controllers
本文针对量子电路面临的功率侧信道攻击威胁,提出基于代数重构的两类单轨迹攻击方法,经32个真实基准电路验证可高精度重构量子电路,凸显了量子电路功率防护的必要性。
2025-02-24 cs.CR cs.ET
Forgeable Confirmation in Automated Computer Security Testing: Deterministic Rules versus AI Judges
OmiCore Inc.(OmiCore公司);Graduate School of Engineering, Kyushu University(九州大学研究生院)
本研究证明在AI辅助安全测试中,读取攻击者控制数据的确认机制可被伪造,并提出将决定性证据移至不可写通道以将攻击成功率从97%降至0%。
2026-09-22 cs.CR
A Tutorial on Network Security: Attacks and Controls
随着互联网的飞速发展,网络安全已经成为计算机和信息安全的重要组成部分。为了提出使网络更加安全的措施,重要的是要了解计算机网络中可能存在的漏洞,然后了解在此类网络中进行的典型攻击。本文的前半部分将向读者展示过去利用计算机网络典型漏洞的经典网络攻击,以及此后为防止或减少其中一些攻击的机会而采取的解决方案。本文的后半部分将向读者展示不同的网络安全控制,包括现代计算机网络中采用的网络体系结构、协议、标准和软件/硬件工具。
2014-12-07 cs.CR cs.NI
Malware Resistant Data Protection in Hyper-connected Networks: A survey
该综述针对现有研究未同时涵盖恶意软件攻击模式与防御策略的空白,整合了现代复杂恶意软件的攻击模式分类与基于机器学习的检测方法,梳理了分析技术并指出未来研究方向。
2023-07-24 cs.CR
Designing a Mobile Game for Home Computer Users to Protect Against Phishing Attacks
本研究旨在设计一个教育性的手机游戏,以防止网络钓鱼攻击的家庭电脑用户。网络钓鱼是一种在线身份盗窃,旨在窃取受害者的用户名、密码和网上银行详细信息等敏感信息。为了防止这种情况,需要考虑网络钓鱼教育。手机游戏可以促进在自然环境中嵌入学习。本文介绍了一款基于故事的手机游戏设计,它简化并夸大了现实生活。我们使用来自技术威胁规避理论(TTAT)的理论模型来解决游戏设计问题,游戏设计原则被用作一组指导方针,用于结构化和呈现信息。整个手机游戏设计的目的是通过激励家庭计算机用户防范网络钓鱼威胁来增强规避行为。游戏原型设计在Google App Inventor Emulator上展示。我们相信,通过培训家庭计算机用户防范网络钓鱼攻击,将有助于使网络空间成为一个安全的环境。
2016-02-12 cs.CR cs.CY
Camouflaged with Size: A Case Study of Espionage using Acquirable Single-Board Computers
单板的【形】计算机(SBC)是指建立在一块电路板上的袖珍计算机。许多研究探索了这些非常受欢迎的设备在各个领域的使用,包括军事,农业,医疗保健等。然而,没有试图表明滥用这些设备可能给组织带来的安全风险。在这项研究中,我们进行了一系列的实验,以验证使用SBCs作为间谍小工具的可能性。我们展示了攻击者如何将Raspberry Pi设备变成攻击小工具,并从短期物理访问中获益,将小工具连接到网络,以访问未经授权的数据或执行其他恶意活动。然后,我们将这些工具放置在两个真实世界的网络中的实验结果。鉴于小型商业银行规模较小,各组织部署的传统实体安保措施可能不足以发现和限制小型商业银行进入其场所。因此,我们重申网络管理员部署防御机制以检测和防止此类攻击的可能方向。
2018-09-11 cs.CR
Application of deep learning to enhance the accuracy of intrusion detection in modern computer networks
本文研究了在现代计算机网络中应用深度学习来提高入侵检测的准确性。计算机网络中攻击的识别根据学习阶段使用的信息分为入侵检测和异常检测两类。入侵检测使用常规流量和攻击流量。异常检测方法试图对系统的正常行为进行建模,任何违反此模型的事件都被视为可疑行为。例如,如果Web服务器(通常是被动的)试图将有许多地址可能感染蠕虫。异常诊断方法有统计模型、安全系统方法、检查协议、检查文件、创建白名单、神经网络、遗传算法、向量机、决策树。我们的研究结果表明,我们的方法提供了高水平的准确性,精确度和召回率,同时减少了训练时间。在我们未来的工作中,探索改进的第一个途径将是评估和扩展我们模型处理零日攻击的能力。
2020-12-13 cs.CR
COVID-bit: Keep a Distance of (at least) 2m From My Air-Gap Computer!
由于处理的是敏感信息,空气隔离系统与Internet隔离。本文介绍了COVID位,一种新的COVert信道攻击,通过空中从高度隔离的系统泄漏敏感信息。这些信息从空气间隙的计算机在空中传播到2米或更远的距离,并可以被附近的内部人员或间谍用手机或笔记本电脑获取。恶意软件可以通过在目标系统上执行精心编制的代码来生成无线电波。恶意代码利用现代计算机的动态功耗,并操纵CPU内核上的瞬时负载。这种技术允许恶意软件控制计算机的内部使用,并在0 - 60 kHz频段产生低频电磁辐射。敏感信息(例如,文件、加密密钥、生物统计数据和键盘记录)可以在所发出的信号上被调制,并由附近的移动电话以1000比特/秒的最大速度接收。我们表明,恶意内部人员或访问者携带的带有1美元天线的智能手机或笔记本电脑可以用作隐蔽接收器。值得注意的是,该攻击是高度规避的,因为它从普通的用户级进程执行,不需要root权限,甚至在虚拟机(VM)中也有效。我们将讨论攻击模型并提供技术细节。实现了文本和文件的气隙传输,并给出了信号的产生和数据的调制。我们测试了隐蔽通道并显示了评估结果。最后,我们提出了一套对策,这种气隙攻击。
2022-12-07 cs.CR
One-Pixel Attack Deceives Computer-Assisted Diagnosis of Cancer
JAMK University of Applied Sciences(JAMK应用科学大学);University of Jyväskylä(于韦斯屈莱大学)
计算机视觉和机器学习可用于自动化癌症诊断和检测中的各种任务。如果攻击者可以操纵自动化处理,结果可能是毁灭性的,在最坏的情况下会导致错误的诊断和治疗。在这项研究中,我们的目标是在真实的病理数据集TUPAC16(由数字化的全切片图像组成)的真实场景中演示单像素攻击的使用。我们使用对抗图像攻击IBM CODAIT的MAX乳腺癌检测器。这些对抗性示例是使用差分进化对数据集中的图像进行单像素修改而发现的。结果表明,在分析下的整个载玻片图像的微小的一个像素的修改可以通过反转自动诊断结果来影响诊断。从网络安全的角度来看,这种攻击构成了威胁:单像素方法可以被有动机的攻击者用作攻击向量。
2021-11-02 cs.CR cs.CV cs.LG
A Multi-Model Hybrid Defense Approach Against White-box Adversarial Attacks in Computer Network Traffic
Aligarh Muslim University(阿里格尔穆斯林大学)
研究针对计算机网络流量白盒对抗攻击,提出多模型混合防御方法,结合对抗训练和高斯数据增强,有效减轻FGSM和C&W攻击影响,提升攻击后NIDS准确率,为对抗机器学习安全研究提供方向。
2026-07-21 cs.CR cs.LG
Securing HHL Quantum Algorithm against Quantum Computer Attacks
针对HHL量子算法在执行时面临的不当初始化攻击(IIA)和高能攻击(HEA),提出首个防御策略并实现整合该策略的新量子电路,经仿真与IBM硬件验证,修改小、保真度影响低且能自我检测攻击。
2025-04-14 cs.CR quant-ph
Crosstalk Attack Resilient RNS Quantum Addition
该研究针对离子阱量子计算机提出三种串扰攻击方式,验证其可显著降低量子全加器输出概率,并证明基于RNS的并行量子加法能有效提升抗串扰攻击能力。
2024-10-30 cs.CR quant-ph
State-of-the-art optical-based physical adversarial attacks for deep learning computer vision systems
Jinan University(暨南大学);Harbin Institute of Technology(哈尔滨工业大学);The University of Hong Kong(香港大学);Peng Cheng Laboratory(鹏城实验室)
本文综述面向深度学习计算机视觉系统的基于光学的非侵入式物理对抗攻击,强调其高隐蔽性、可执行性及现实安全威胁。
2023-03-22 cs.CR cs.CV eess.IV
Active Learning for Black-Box Adversarial Attacks in EEG-Based Brain-Computer Interfaces
Huazhong University of Science and Technology(华中科技大学)
深度学习在许多领域取得了重大突破,包括基于脑电图(EEG)的脑机接口(BCI)。然而,深度学习模型容易受到对抗攻击的攻击,在这种攻击中,故意设计的小扰动被添加到良性输入样本中,以欺骗深度学习模型并降低其性能。本文考虑基于可转移性的黑盒攻击,攻击者训练替代模型来近似目标模型,然后从替代模型生成对抗性示例来攻击目标模型。学习一个好的替代模型对于这些攻击的成功至关重要,但它需要对目标模型进行大量的查询。我们提出了一个新的框架,使用查询合成的主动学习,以提高查询效率的训练替代模型。在三个卷积神经网络(CNN)分类器和三个EEG数据集上的实验表明,我们的方法可以在相同查询次数的情况下提高攻击成功率,或者换句话说,我们的方法需要更少的查询来实现期望的攻击性能。据我们所知,这是第一个为基于EEG的BCI集成主动学习和对抗攻击的工作。
2019-11-07 cs.CR cs.HC cs.LG
Incidence Handling and Response System
计算机网络可以通过多种方式受到攻击。与安全有关的威胁不仅数量众多,而且形式多样,而且可能以混合攻击的形式出现。任何安全系统都很难阻止所有类型的攻击。这就需要具备事故处理能力,以便迅速发现事故、尽量减少损失和破坏、减少被利用的弱点和恢复计算服务。事件响应一直是信息安全的一个重要方面,但它往往被安全管理员所忽视。在本文中,我们提出了一个自动化系统,它将处理安全威胁,并使计算机网络有足够的能力来抵御任何类型的攻击。我们还介绍了建立这样一个系统所需的计算机、网络和软件方面的最新技术。
2009-06-27 cs.CR
Beyond Vulnerabilities: A Survey of Adversarial Attacks as Both Threats and Defenses in Computer Vision Systems
本综述系统分析对抗性攻击在计算机视觉中的双重角色,涵盖像素、物理和潜在空间攻击,并探讨其在漏洞评估与防御中的建设性应用,指出研究空白与未来方向。
2025-08-03 cs.AI cs.CR cs.CV
Adversarial Reinforcement Learning under Partial Observability in Autonomous Computer Network Defence
The University of Melbourne(墨尔本大学);Defence Science and Technology Group, Australian Department of Defence(澳大利亚国防部国防科技集团)
最近的研究表明,强化学习(RL)代理容易受到对抗性操纵的影响,类似于以前在监督学习环境中证明的漏洞。虽然大多数现有的工作在计算机视觉或控制台游戏的背景下研究这个问题,本文的重点是在部分可观察性下的自主网络防御中的强化学习。我们证明了在黑盒设置下,攻击者无法直接访问目标RL模型,即使攻击者只有部分环境的可观察性,因果攻击-针对训练过程的攻击-也可以毒害RL代理。此外,我们提出了一种反转防御方法,旨在将相反的扰动应用于攻击者可能用来生成其对抗样本的扰动。实验结果表明,该对策可以有效地减少因果攻击的影响,而不会显着影响非攻击场景下的训练过程。
2020-08-17 cs.CR cs.LG stat.ML
Demystifying the Transferability of Adversarial Attacks in Computer Networks
Sabanci University(萨班哲大学);University of Padua(帕多瓦大学);Moulay Ismail University of Meknes(梅克内斯穆莱·伊斯梅尔大学);Florida International University(佛罗里达国际大学)
卷积神经网络(CNN)模型是最常用的深度学习网络之一,广泛应用于学术界和工业界。最近的研究表明,针对此类模型的对抗攻击即使在攻击者所针对的模型之外的模型上使用,也可以保持其有效性。这个主要的属性被称为可转移性,这使得CNN不适合安全应用。在本文中,我们提供了第一项全面的研究,评估了基于CNN的计算机网络模型针对对抗性可转移性的鲁棒性。此外,我们调查的可转移性的财产问题是否持有在计算机网络的应用。在我们的实验中,我们首先考虑五种不同的攻击:迭代快速梯度方法(I-FGSM),基于雅可比的显着图(JSMA),有限内存Broyden Fletcher Goldfarb Shanno BFGS(L-BFGS),投影梯度下降(PGD)和DeepFool攻击。然后,我们对三个众所周知的数据集执行这些攻击:基于网络的物联网检测(N-BaIoT)数据集,域生成算法(DGA)数据集和RIPE Atlas数据集。我们的实验结果清楚地表明,可转移性发生在I-FGSM,JSMA和LBFGS攻击的特定用例中。在这种情况下,目标网络上的攻击成功率从63.00%到100%不等。最后,我们提出了两种屏蔽策略,通过考虑最强大的攻击(MPA)和不匹配的LSTM架构来阻止攻击的可转移性。
2022-03-31 cs.AI cs.CR cs.CV
Integrating self-efficacy into a gamified approach to thwart phishing attacks
安全漏洞可包括网络威胁,例如可干扰计算机系统正常行为的计算机程序(病毒)、未经请求的电子邮件(垃圾邮件)、恶意软件(恶意软件)、监控软件(间谍软件)、试图使计算机资源对其预期用户不可用(分布式拒绝服务或DDoS攻击)、社会工程和在线身份盗窃(网络钓鱼)。其中一种对计算机用户特别危险的网络威胁是网络钓鱼。网络钓鱼是众所周知的在线身份盗窃,其目标是窃取受害者的敏感信息,如用户名,密码和网上银行的详细信息。本文的重点是设计一种创新和游戏化的方法来教育个人关于网络钓鱼攻击。该研究询问如何将与用户知识相关的自我效能整合到反网络钓鱼教育游戏中以阻止网络钓鱼攻击?其中一个主要原因似乎是用户缺乏防止网络钓鱼攻击的知识。因此,本研究调查的影响因素(在这种情况下,无论是概念或程序知识或其相互作用的效果),然后将它们整合到一个反钓鱼教育游戏,以提高人们的钓鱼预防行为,通过他们的动机。
2017-06-23 cs.CR cs.CY
Efficacy of Attack detection capability of IDPS based on it's deployment in wired and wireless environment
入侵检测和/或防御系统(IDPS)是抵御各种可能危及企业信息系统安全和正常运行的攻击的重要防线。伴随着新兴业务的广泛演进,攻击的数量和影响不断增加,攻击者不断发现从网络本身到操作系统和应用程序等各个层面的漏洞,利用它们来破解系统和服务。网络防御和网络监控已经成为计算机安全的重要组成部分,以预测和防止攻击。与传统的入侵检测系统(IDS)不同,入侵检测与防御系统(IDPS)具有保护计算机网络安全的附加功能。在本文中,我们提出了一个详细的研究如何部署的IDPS在其性能和能力,以检测和防止已知的以及未知的攻击发挥着关键作用。我们根据部署将IDPS分类为基于网络、基于主机、基于外围和混合。在本文中显示了详细的比较,最后我们证明我们提出的解决方案,它部署在主机级的代理,以提供更好的性能方面降低误报率和准确的检测和预防。
2013-04-18 cs.CR
Blind Recognition of Touched Keys: Attack and Countermeasures
在本文中,我们介绍了一种新的计算机视觉为基础的攻击,揭示了触摸设备上的输入,而攻击者不能看到任何文本或弹出窗口,从视频的受害者在触摸屏上点击。在攻击中,我们使用光流算法来识别手指触摸屏幕表面的触摸帧。我们创新地使用检测到的触摸屏的边缘的交点来导出将视频帧中的触摸屏表面映射到虚拟键盘的参考图像的单应性矩阵。我们分析指尖周围的阴影形成,并使用k-均值聚类算法来识别触摸点。然后,单应性可以将这些触摸点映射到虚拟键盘的键。我们的工作与现有的工作有很大的不同。我们的目标是密码输入,并且能够实现很高的成功率。我们的目标场景是教室、会议和类似的聚会场所,并使用网络摄像头或智能手机摄像头。在这些场景中,相关工作中使用的单反(SLR)相机和高端摄像机会显得可疑。为了击败这种基于计算机视觉的攻击,我们设计,实现和评估的隐私增强键盘(PEK),其中一个随机的虚拟键盘用于输入敏感信息。
2014-03-19 cs.CR
Cyber Deception for Computer and Network Security: Survey and Challenges
网络欺骗作为一种有前途的主动网络防御机制,近年来受到越来越多的关注。网络欺骗策略旨在注入故意伪造的信息,以破坏攻击侦察和计划的早期阶段,从而使最终的攻击行动无害或无效。基于网络欺骗研究的最新进展,我们在本文中提供了一个正式的网络欺骗的观点,并审查高层次的欺骗计划和行动。本文还对基于网络欺骗概念的网络防御技术的最新研究成果进行了归纳和分类,包括战略层面的博弈论建模、网络层面的欺骗、主机系统内的欺骗和基于密码学的欺骗。最后,我们详细阐述和讨论了发展成熟的网络欺骗框架和机制的研究挑战。
2020-07-28 cs.CR
Design and Analysis of an Attack Resilient and Adaptive Medium access Control Protocol for Computer Networks
设计一个高效的媒体访问控制(MAC)协议并对其进行分析,是30多年来的一个重要研究课题。本文着重于性能分析(通过仿真)和修改的一个著名的MAC协议CSMA/CD。现有的协议没有考虑由于信道的未利用时段而造成的带宽浪费。通过考虑这一事实,可以提高MAC协议的性能。这项工作的目的是修改现有的协议,使其适应根据网络的状态。每当检测到未使用的时段时,修改后的协议采取适当的措施。通过这种方式,可以提高有效的带宽利用率,并确定它在增加负载和改变数据包大小的情况下的行为。它还将包括攻击的影响,即拒绝服务攻击,重放攻击,连续信道访问或耗尽攻击,洪泛攻击,干扰(无线电干扰)攻击,选择性转发攻击,这些攻击会降低MAC协议的性能。在连续信道访问或耗尽攻击中,恶意节点通过在信道上连续请求或发送来破坏MAC协议。这最终导致网络中的其他节点因信道接入而饥饿。补救措施可以是网络忽略过多的请求而不发送昂贵的无线电传输。然而,该限制不能下降到网络必须支持的预期最大数据率以下。此限制通常在设计阶段编码到协议中,并且还需要额外的逻辑。重复应用这些基于耗尽或冲突的MAC层攻击会导致不公平。
2009-07-03 cs.CR cs.NI
Reinforcement Learning Inspired Black-box Adversarial Attacks for Computer Vision
German Aerospace Center (DLR)(德国航空航天中心)
针对黑盒场景下神经网络易受扰动攻击的问题,提出基于强化学习的RIBA方法,通过少量查询生成对抗样本,在Cifar10和ImageNet上显著减少查询次数,并匹配白盒攻击性能。
2026-09-22 cs.CR cs.CV cs.LG
Shoulder Surfing attack in graphical password authentication
信息和计算机安全在很大程度上由密码提供支持,密码是认证过程的主要组成部分。最常见的计算机身份验证方法是使用手写的用户名和密码,这有很大的缺点。为了克服传统方法的弱点,视觉或图形密码方案已被开发作为可能的替代方案,以文本为基础的计划。图形密码方案的一个潜在缺点是,与传统的字母数字文本密码相比,它们更容易受到肩部冲浪的影响。当用户在公共场所输入密码时,他们可能面临攻击者窃取密码的风险。攻击者可以通过直接观察或记录个人身份验证会话来捕获密码。这被称为肩扛,是一种已知的风险,在公共场所进行身份验证时特别需要关注。在本文中,我们将提出一个调查的图形密码方案,从2005年至2009年,提出了抵御肩冲浪攻击。
2009-12-04 cs.CR
Unscrambling the Rectification of Adversarial Attacks Transferability across Computer Networks
University of Leeds(利兹大学);Bahcesehir University (BAU)(巴切谢希尔大学);Cyber Science Lab(网络科学实验室);University of Guelph(圭尔夫大学)
该研究针对CNN在网络安全等领域的对抗攻击脆弱性,提出评估攻击强度变化下对抗样本迁移性的方法,验证了多种攻击在计算机网络数据集上的迁移性提升,凸显了研发新型防御机制的必要性。
2023-10-26 cs.AI cs.CR cs.LG
Risk Assessment Graphs: Utilizing Attack Graphs for Risk Assessment
本文提出利用扩展攻击图(纳入对策与后果)来简化风险评估,通过案例研究和与现有标准结合验证,能适应系统变化并识别高风险问题。
2023-07-26 cs.CR
A Survey of Black-Box Adversarial Attacks on Computer Vision Models
Delhi Technological University(德里理工大学);Indraprastha Institute of Information Technology(英迪拉普拉萨信息技术学院)
机器学习在过去几年中取得了巨大的进步,这导致深度学习模型被部署在日常生活的各种应用中。使用扰动对这些模型进行攻击,特别是在现实生活中,对其适用性提出了严峻的挑战,将研究推向旨在增强这些模型鲁棒性的方向。在Szegedy等人[1]引入这些扰动之后,大量的研究集中在这些模型的可靠性上,主要是在两个方面-白盒,其中对手可以访问目标模型和相关参数;以及黑盒,这类似于现实生活中的场景,对手几乎不知道要攻击的模型。为了提供全面的安全保护,必须识别、研究和构建针对此类攻击的防御。因此,在本文中,我们提出了一个全面的比较研究各种黑盒对抗攻击和防御技术。
2020-02-07 cs.CR cs.CV cs.LG
Optimally Blending Honeypots into Production Networks: Hardness and Algorithms
本文首次系统研究将蜜罐融入生产网络的部署问题,将其形式化为组合优化问题,证明其 NP 困难性,并提出多项式时间近似方案,通过仿真分析攻击者能力对防御效用的影响。
2024-01-12 cs.CC cs.CR
Securing Computer-Use Agents Against Branch Steering Attacks
ETH Zurich(苏黎世联邦理工学院);University of Cambridge(剑桥大学);AI Sequrity Company(AI安全公司);Imperial College London(帝国理工学院)
针对计算机使用代理的分支转向攻击,提出COBRA架构,通过可信分支计划与能力约束,将攻击成功率降至0%,同时保留97%的良性效用。
2026-10-05 cs.AI cs.CR
RAMBO: Leaking Secrets from Air-Gap Computers by Spelling Covert Radio Signals from Computer RAM
本文提出RAMBO攻击,利用受感染气隙计算机内存总线生成无线电信号以每秒1000比特泄露敏感数据,并给出对策。
2024-09-03 cs.CR
Security Attacks Abusing Pulse-level Quantum Circuits
本研究首次系统探索脉冲级量子电路的安全攻击,利用门级与脉冲级描述不一致提出多种攻击,并验证于真实量子计算机,最后提出防御框架。
2024-11-08 cs.CR quant-ph
Cyberattacks on Quantum Networked Computation and Communications -- Hacking the Superdense Coding Protocol on IBM's Quantum Computers
量子通信和量子网络计算的自动化门规范的发展为恶意软件打开了道路,恶意软件旨在破坏自动化软件,改变自动化量子通信协议和算法。我们研究了对自动化量子通信协议的两种类型的攻击,并模拟了这些对超密集编码协议的攻击,通过IBM Q Experience远程访问IBM的量子计算机来模拟这些对低噪声量子通信网络的攻击。第一种类型的攻击导致最终测量的字符串的黑客控制的双射变换,第二种类型的攻击是修改自动门规范以有效地对最终测量进行加扰的酉加扰攻击,破坏量子通信并在测量时利用量子随机性,使得难以区分硬件故障或环境干扰的突然增加。噪声我们表明,由于量子纠缠和对称性,第二种类型的攻击是一种策略性地破坏量子通信网络和量子网络计算的方式,使得难以确定哪个节点受到攻击。主要研究结果在量子网络安全和量子网络计算的更广泛背景下进行了讨论,其中讨论了黑客攻击的方式,包括内部威胁的作用。
2021-05-15 cs.CR cs.CY cs.ET
GRAPHITE: Generating Automatic Physical Examples for Machine-Learning Attacks on Computer Vision Systems
University of Michigan(密歇根大学);University of Wisconsin(威斯康星大学)
本文研究了对手在生成真实场景的对抗性示例时的易攻击性。我们解决了现实世界中实际攻击的三个关键要求:1)自动约束攻击的大小和形状,以便可以使用贴纸,2)变换鲁棒性,即,攻击对环境物理变化(例如视点和照明变化)的鲁棒性,以及3)不仅支持白盒攻击,而且支持黑盒硬标签场景中的攻击,使得对手可以攻击专有模型。在这项工作中,我们提出了GRAPHITE,一个有效的和通用的框架,用于生成满足上述三个关键要求的攻击。GRAPHITE利用transform-robustness(一种基于期望变换(EoT)的度量)来自动生成小掩码并使用无梯度优化进行优化。GRAPHITE也很灵活,因为它可以轻松地在黑盒设置中权衡转换鲁棒性、扰动大小和查询计数。在硬标签黑盒设置中的GTSRB模型上,我们能够在所有可能的1,806个受害者-目标类对上找到攻击,平均变换鲁棒性为77.8%,扰动大小为受害者图像的16.63%,每对查询为126 K。对于不需要实现变换鲁棒性的纯数字攻击,GRAPHITE能够找到成功的小补丁攻击,平均只有566个查询,占92.2%的受害者-目标对。GRAPHITE还能够使用修改输入图像的小区域的扰动来找到成功的攻击,PatchGuard是最近提出的针对基于补丁的攻击的防御。
2022-02-28 cs.CR cs.CV cs.LG
Fooling Computer Vision into Inferring the Wrong Body Mass Index
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
最近的研究表明,神经网络可以使用人脸图像来准确预测身体质量指数(BMI),这是一种广泛使用的健康指标。在本文中,我们证明了执行BMI推理的神经网络确实容易受到测试时的对抗攻击。这将测试时的对抗攻击从分类任务扩展到回归。我们强调的应用是BMI推断在保险业,这种对抗攻击意味着保险欺诈的危险。
2019-05-16 cs.CR cs.CV cs.LG