Virtual local area network over HTTP for launching an insider attack
本文提出一种通过 HTTP 利用局域网未使用辅助 IP 地址的内部攻击方法，展示外部主机可隐蔽接入内网并绕过防火墙与 IDS，凸显内部威胁防护缺陷。
2025-07-25 cs.CR cs.NI
Exploring rationality of self awareness in social networking for logical modeling of unintentional insiders
对隐私风险的不了解以及寻求批准的动机使人们在Facebook，Twitter和Instagram等网站上输入了太多细节。为了测试合理性原则是否适用，我们构建了一个工具，向用户展示社交网站上公开的关于她的信息。在我们的实验中，我们检查这种披露是否会改变人类行为。为了进行外推和概括，我们使用从实际实验中获得的见解。不知情的用户可能成为攻击者的目标。然后，他们成为无意的内部人士。我们证明了这一点，通过扩展伊莎贝尔内幕框架，以适应一个正式的模型，无意的内部人士，长期存在的一个开放的问题。
2021-11-30 cs.CR
Detection Of Insider Attacks In Block Chain Network Using The Trusted Two Way Intrusion Detection System
为了数据隐私、系统可靠性和安全性，区块链技术近年来变得越来越流行。尽管区块链很有用，但它很容易受到网络攻击;例如，2019年1月，对以太坊经典的51%攻击成功暴露了该平台的安全漏洞。从统计学的角度来看，攻击是一种极不寻常的事件，大大偏离了正常情况。区块链攻击检测可能会受益于深度学习，这是一个旨在发现海量数据存储库中的见解、模式和异常的研究领域。在这项工作中，我们定义了一个可信的双向入侵检测系统的基础上，分层加权模糊算法和自组织堆栈网络（SOSN）深度学习模型，这是训练利用聚合信息监测区块链活动提取。在这里，智能合约最初处理节点身份验证。验证节点的目的是确保只有特定的节点可以提交和检索信息。我们实现了层次加权模糊算法来评估交易节点的信任能力。然后交易验证步骤通过自组织堆栈网络深度学习模型确保提交的交易上的所有恶意交易或活动。整个实验是在matlab环境下进行的。大量的实验结果表明，我们提出的检测方法具有更好的性能的重要指标，如精度，召回率，F-Score，开销。
2022-11-06 cs.CR
Li-MSD: A lightweight mitigation solution for DAO insider attack in RPL-based IoT
针对基于RPL的低功耗有损物联网中存在的DAO内部攻击会大幅降低网络性能的问题，提出采用黑名单策略的轻量级缓解方案Li-MSD，仿真验证其性能优于现有方案。
2024-09-16 cs.CR cs.NI
The Greater The Power, The More Dangerous The Abuse: Facing Malicious Insiders in The Cloud
金融危机促使世界各地的公司寻找更便宜、更高效的解决方案，以满足他们在计算能力和存储方面的需求。随着云计算基础设施的诞生，他们的探索也随之结束。然而，随着新的有前途的技术，新的攻击媒介诞生了，一个古老而已知的威胁，即恶意内部人员再次出现。内部人员可以利用他们在云基础设施中的特权地位来完成或帮助对云基础设施的攻击。本文提出了一种基于图形处理器（GPU）加速的云基础设施入侵检测系统解决方案。我们的解决方案可监控已部署虚拟机的操作，尤其是主机操作系统（称为Dom 0）的操作，并根据Smith-Waterman算法将收集到的信息关联起来以检测异常行为。我们的建议使得各种已知的虚拟机管理程序与所使用的每个已知的GPU加速单元的合作成为可能，从而提供最大的安全机制，同时最大限度地减少中央处理器（CPU）使用方面的开销。
2022-06-20 cs.CR
"Blockchain-Enabled Zero Trust Framework for Securing FinTech Ecosystems Against Insider Threats and Cyber Attacks"
本文提出集成 Ethereum 智能合约的零信任框架，结合 MFA、RBAC、JIT 与链上策略执行，增强金融科技抵御内部威胁和网络攻击的能力。
2025-07-26 cs.CR
Insider Detection using Deep Autoencoder and Variational Autoencoder Neural Networks
内部攻击是公司、企业和关键基础设施面临的最具挑战性的网络安全问题之一。尽管实施了周边防御，但这种攻击的风险仍然很高。事实上，内部攻击的检测是一项非常复杂的安全任务，对研究界提出了严峻的挑战。在本文中，我们的目标是通过使用深度学习算法Autoencoder和变分自编码器deep来解决这个问题。我们将特别研究应用这些算法自动防御潜在内部威胁的有用性，而无需人工干预。在公共数据集CERT数据集（CERT r4.2）上评估了这两个模型的有效性。此版本的CERT Insider Threat Test数据集包括从1000个模拟用户生成的良性和恶意活动。与其他模型的比较结果表明，变分自编码器神经网络具有更高的检测精度和合理的误报率，提供了最好的整体性能
2021-09-06 cs.AI cs.CR
Insider Threats Mitigation: Role of Penetration Testing
本文通过系统性文献综述，利用扎根理论方法全面评估渗透测试在发现、缓解内部威胁及跨行业应用中的作用，旨在帮助企业制定更全面有效的安全策略。
2024-07-24 cs.CR
Gargoyle: A Network-based Insider Attack Resilient Framework for Organizations
“随时随地”的数据访问模式已成为组织中广泛使用的IT策略，这使得内部攻击的建模、预测和阻止变得更加复杂。在这里，我们提出了Gargoyle，一个基于网络的内部攻击弹性框架对最复杂的内部威胁在普适计算环境。与现有的解决方案相比，Gargoyle通过一组新的上下文属性（称为网络上下文属性（NCA））来评估访问请求上下文的可信度。NCA是从网络流量中提取的，包括用户的设备功能、安全级别、当前和先前与其他设备的交互、网络连接状态和可疑在线活动等信息。从用户的设备及其集成传感器检索这样的信息在设备性能开销、传感器成本、可用性、可靠性和可信度方面具有挑战性。为了解决这些问题，Gargoyle利用软件定义网络（SDN）的功能来执行和实施策略。事实上，Gargoyle的SDN App可以与网络控制器进行交互，以创建“深度防御”保护系统。例如，Gargoyle可以自动隔离企业网中的可疑数据请求者，以进行进一步调查，或者在与数据提供者接洽之前过滤掉访问请求。最后，Gargoyle没有在访问授权中采用简单的二进制规则，而是采用了基于功能的访问控制（FBAC），并支持将访问策略定制为一组功能（例如，禁止复制、允许打印），这取决于所感知的上下文的可信度。
2018-07-07 cs.CR cs.NI
Facade: High-Precision Insider Threat Detection Using Deep Contextual Anomaly Detection
Google（谷歌）；Palace Cybersecurity（Palace网络安全）
研究内部人员特权访问带来的威胁，提出Facade系统，通过考虑事件上下文、基于多模态模型及对比学习策略检测可疑事件，能高精度检测内部威胁且误报率极低，可用于大型企业环境。
2026-07-24 cs.CR
Signal Decomposition Reveals Structure in Insider Threat Detection under Sparse Temporal Data
Georgia Institute of Technology（佐治亚理工学院）；Portland Community College（波特兰社区学院）
本文通过信号分解方法，在稀疏时间数据中揭示内部威胁检测的结构，通过双通道自编码器分离活动存在与强度，提升检测效果。
2026-04-29 cs.CR
Call Trace and Memory Access Pattern based Runtime Insider Threat Detection for Big Data Platforms
Hadoop和Spark等大数据平台正在被学术界和工业界广泛采用。在本文中，我们提出了一个运行时入侵检测技术，了解和工作根据这样的分布式计算平台的属性。所提出的方法是基于运行时分析的系统和库调用和内存访问模式的任务上运行的datanode（奴隶）。首先，大数据系统的主数据阳极为它执行的每个任务创建行为配置文件。行为配置文件包括（a）所进行的系统和库调用的跟踪，以及（b）表示在任务执行期间进行的私有和共享内存访问的大小的序列。然后，进程行为配置文件与其他副本数据节点共享，这些副本数据节点被调度在相同数据的副本上执行相同的任务。接下来，这些副本数据节点在嵌入在接收到的行为配置文件中的信息的帮助下验证其本地任务。这通过两个步骤实现：（i）比较系统和库调用元数据，以及（ii）内存访问模式的统计匹配。最后，datanode分享他们的观察结果以达成共识，如果发现任何差异，则向namenode（主节点）报告入侵。在一个小型Hadoop集群上使用默认的MapReduce示例对所提出的解决方案进行了测试，结果表明，我们的方法可以检测到传统分析指标无法检测到的内部攻击。
2016-11-22 cs.CR cs.DC
AODVSEC: A Novel Approach to Secure Ad Hoc on-Demand Distance Vector (AODV) Routing Protocol from Insider Attacks in MANETs
移动自组织网络（MANET）是一组移动节点的集合，它们可以通过多跳无线链路相互通信，而不需要任何固定的基站基础设施和集中式管理。网络中的每个节点既充当主机又充当路由器。在这种情况下，设计一个高效，可靠和安全的路由协议一直是一个重大的挑战性问题，在过去的许多年。安全路由协议已经被提出了许多方案，到目前为止，大多数研究工作都集中在使用密码学来提供路由的安全性。在本文中，我们提出了一种新的方法来确保Ad hoc按需距离矢量（AODV）路由协议的内部攻击发起通过主动伪造其路由应答（RREP）控制消息。AODV路由协议没有任何安全条款，这使得它在公开开放的adhoc网络中不太可靠。为了应对相关的安全攻击，我们提出了AODV安全扩展（AODVSEC），它增强了AODV的安全提供范围。我们比较了AODVSEC与AODV和安全AODV（SAODV）在正常情况下以及存在三种相关攻击（资源消耗（RC）攻击、路由干扰（RD）攻击、路由入侵（RI）攻击和黑洞（BH）攻击）的情况。为了评估性能，我们考虑了分组传递分数（PDF），平均端到端延迟（AED），平均吞吐量（AT），归一化路由负载（NRL）和平均抖动和累计平均处理时间。
2012-08-09 cs.CR cs.NI
A Graph Based Framework for Malicious Insider Threat Detection
虽然大多数安全项目都专注于抵御来自组织边界之外的攻击，但真正的威胁来自这些外围保护内的人员。内部威胁已经通过对国家安全、金融稳定和成千上万人的隐私造成巨大影响来显示其威力。新闻中的内容只是冰山一角，还有更多的事情在雷达下进行，一些威胁从未被发现。我们提出了一种基于图形分析和异常检测方法的混合框架，以应对这种严重的网络安全威胁。我们的框架分析异构数据，隔离可能的恶意用户隐藏在别人背后。实证结果表明，该框架是有效的区分大多数用户表现出典型的行为，从少数用户表现出可疑的行为。
2018-09-01 cs.CR
Insider Threat Detection Through Attributed Graph Clustering
虽然大多数组织继续投资于传统的网络防御，但在其自身范围内，一个巨大的安全挑战正在酝酿之中。拥有特权访问权限的恶意内部人员伪装成可信来源，进行了许多攻击，对公共和私营部门组织的金融稳定，国家安全和品牌声誉造成了深远的损害。举报人群体的曝光度和影响力不断增加，以及随着组织动态的变化对工作保障的担忧进一步加剧了这种情况。恶意攻击者的不可预测性以及恶意行为的复杂性，需要仔细分析与内部威胁问题相关的网络，系统和用户参数。因此，它创建了一个高维的，异构的数据分析问题，隔离可疑用户。本文提出了一个内部威胁检测框架，该框架利用了属性图聚类技术和离群值排序机制。实证结果也证实了该方法的有效性，达到最佳的曲线下面积值为0.7648的受试者工作特征曲线。
2018-09-01 cs.CR cs.SI
A Framework for Data-Driven Physical Security and Insider Threat Detection
本文介绍了PS0，本体框架和方法，提高物理安全和内部威胁检测。PS0可以通过利用基于规则的异常检测来促进取证数据分析并主动减轻内部威胁。在太多的情况下，基于规则的异常检测可以检测员工对组织安全策略的偏离。此外，PS0可以被认为是一种安全起源解决方案，因为它能够完全重建攻击模式。可以进一步分析出处图，以识别欺骗性行为，并克服可能导致错误决策的分析错误，例如错误归因。此外，这些信息还可以用来丰富可用的情报（关于入侵尝试），这些情报可以形成用例来检测和修复系统中的限制，例如松散耦合的起源图，在许多情况下，它表明物理安全架构中的弱点。最后，通过用例验证该框架展示并证明了PS0可以在物理安全和内部威胁检测方面改善组织的安全状况。
2018-09-25 cs.CR
Cryptanalysis on Four Two-Party Authentication Protocols
本文分析了Bindu等人提出的四个认证协议，Goriparthi等人，Wang et al. and Hölbl et al..经过研究，我们发现这些方案的几个弱点。首先，Bindu等人如果恶意用户获得丢失的灵巧卡，则的协议会遭受内部人员冒充攻击。第二，Goriparthi et al.和Wang et al.的协议在密码更改阶段无法承受拒绝服务攻击，即攻击者可以参与该阶段，使用户的密码永远不会在后续的认证中使用。第三，Hölbl et al.的协议容易受到内部攻击，因为合法但恶意的用户可以推断出KGC的秘密密钥。
2010-07-01 cs.CR
Technical Report: Insider-Resistant Context-Based Pairing for Multimodality Sleep Apnea Test
越来越复杂的阻塞性睡眠呼吸暂停（OSA）家庭筛查系统集成了非接触式和接触式传感模式，为远程慢性病管理带来了便利和可靠性。然而，系统组件之间的设备配对过程容易受到希望操纵测试结果的不合规用户的无线利用。这项工作提出了SIENNA，一个内部抵抗的基于上下文的配对协议。SIENNA利用JADE-ICA在多人环境中唯一识别用户的呼吸模式，并模糊承诺自动设备配对，同时使用友好的干扰技术防止了解呼吸模式的内部人员获取配对密钥。我们的分析和测试结果表明，SIENNA可以在嘈杂的环境下实现可靠的（> 90%的成功率）设备配对，并且在充分了解上下文信息的情况下对攻击者具有鲁棒性。
2021-05-24 cs.CR
Real-Time Detection of Insider Threats Using Behavioral Analytics and Deep Evidential Clustering
针对传统安全机制难检测内部威胁的问题，提出结合行为分析与深度证据聚类的实时检测框架，可动态适应行为变化、降低误报，在基准数据集上取得94.7%准确率，为企业部署相关系统提供参考。
2025-05-21 cs.CR
IPEK: Event-Criticality-Aware Evidential Trust Management against Strategic Insider Attacks in Vehicular Ad Hoc Networks
Iskenderun Technical University（伊斯肯德伦科技大学）
本文提出IPEK方法，通过引入事件和位置感知的智能攻击模型，非对称本地信任机制以及Dempster-Shafer理论进行全局信任融合，有效提升车联网对抗智能攻击的能力。
2026-10-09 cs.CR cs.DC cs.NI
CopAS: A Big Data Forensic Analytics System
本文提出大数据取证分析系统CopAS，通过分析和关联海量网络数据获取潜在恶意事件洞察，并在公开PCAP数据集上演示了其在检测隐藏于数据流中的内部攻击方面的实际效用。
2023-04-03 cs.CR cs.SE
IDU-Detector: A Synergistic Framework for Robust Masquerader Attack Detection
本文提出IDU-Detector，融合IDS与UEBA，构建新数据集，以98.96%和99.12%的平均准确率有效检测伪装攻击，提升企业数据安全。
2024-11-09 cs.CR
Distributing and Obfuscating Firewalls via Oblivious Bloom Filter Evaluation
防火墙长期以来一直用于保护本地网络免受更大互联网的威胁。虽然防火墙可以有效地防止外部发起的攻击，但它们容易受到内部威胁的影响，例如，恶意的内部人员可以访问和改变防火墙配置，并且禁用防火墙服务。在本文中，我们开发了一个创新的分布式体系结构，以模糊管理和评估防火墙，以防止内部和外部攻击的防火墙。我们提出的结构通过混淆防火墙规则或策略本身来解决这些问题，然后将评估这些规则的功能分布在多个服务器上。因此，访问和更改规则都相当困难，从而为本地网络提供更好的保护以及为防火墙本身提供更大的安全性。我们通过整合多个研究领域来实现这一目标，例如秘密共享方案和多方计算，以及Bloom过滤器和拜占庭协议。我们得到的解决方案是一个有效的和安全的手段，防火墙可以分布，并混淆，同时保持多个服务器的能力，以遗忘评估其功能。
2018-10-03 cs.CR
Availability Attacks Without an Adversary: Evidence from Enterprise LANs
Mason Innovation Labs, George Mason University（乔治梅森大学）
本文研究了企业局域网中非恶意内部行为导致的可用性问题，通过RSTP协议的控制平面重新计算，引发实时流媒体服务中断，并提出通过配置边缘端口来缓解问题的方法。
2026-02-04 cs.CR cs.NI
Deep Learning for Insider Threat Detection: Review, Challenges and Opportunities
Utah State University（犹他州立大学）；University of Arkansas（阿肯色大学）
内部威胁作为网络空间中最具挑战性的威胁之一，通常会给组织造成重大损失。虽然内部威胁检测问题在安全和数据采掘领域已经研究了很长时间，但是传统的基于机器学习的检测方法严重依赖于特征工程，由于与底层数据的特征相关的各种挑战，例如高维性，复杂性，异构性，稀疏性，缺乏标记的内部威胁，以及内部威胁的微妙和适应性。高级深度学习技术提供了一种从复杂数据中学习端到端模型的新范式。在这个简短的调查中，我们首先介绍了一个常用的内部威胁检测数据集，并回顾了最近关于深度学习的文献。已有的研究表明，与传统的机器学习算法相比，深度学习模型可以提高内部威胁检测的性能。然而，应用深度学习进一步推进内部威胁检测任务仍然面临着一些限制，例如缺乏标记数据，自适应攻击。然后，我们讨论了这些挑战，并提出了未来的研究方向，有可能解决挑战，并进一步提高内部威胁检测的深度学习的性能。
2020-05-25 cs.CR cs.LG
Anomaly Detection for Scenario-based Insider Activities using CGAN Augmented Data
Deakin University（迪肯大学）
内部威胁是来自组织的可信实体内部的网络攻击。缺乏真实世界的数据和数据不平衡的问题离开内部威胁分析研究不足的领域。为了减轻倾斜类分布的影响并证明多项式分类算法在内部威胁检测中的潜力，我们提出了一种将生成模型与监督学习相结合的方法，以使用深度学习来执行多类分类。基于生成对抗网络（GAN）的内幕检测模型引入条件生成对抗网络（CGAN）来丰富少数类样本，为多类异常检测提供数据。在基准数据集上进行的综合实验证明了引入GAN派生合成数据的有效性和在内幕活动分析中的多类异常检测能力。此外，该方法与其他现有的方法对不同的参数和性能指标进行了比较。
2021-07-08 cs.AI cs.CR cs.NE
Privacy Aware Memory Forensics
针对端到端加密下内部威胁检测与隐私保护难题，本文提出捕获并分析设备RAM、利用深度学习结合上下文识别敏感信息泄露的隐私感知内存取证方法，并通过军事用例验证其可行性。
2024-06-13 cs.CR
Insider threats in Cyber Security: The enemy within the gates
内部威胁已经成为特斯拉等民用公司的现实，特斯拉经历了破坏和知识产权盗窃，而Capital One遭受了欺诈。美国国防部的数据泄露事件造成了更大的社会影响，这是由著名的攻击者切尔西·曼宁和爱德华·斯诺登造成的，他们的间谍活动和黑客活动广为人知。近年来此类事件的急剧增加以及内部人员造成的不可估量的损害必须成为网络安全界所有成员的警告。继续低估内部威胁的问题是不可接受的。企业、组织、机构和政府需要在其安全态势中引领和接受文化变革。通过采用内部威胁计划，让所有战略分支机构（包括人力资源、法律、信息保障、网络安全和情报）参与，由首席信息安全官协调，并由C级高管提供支持，可以实施一个框架，以防止、检测和响应不忠诚和/或无意的内部威胁。因此，保护企业免受内部威胁是信息安全最佳实践的重要组成部分。至关重要的是，您的公司非常有价值的机密数据和资产受到保护，免受其最大的威胁：大门内的敌人。
2019-11-21 cs.CR cs.CY
Security Weakness of Flexible Group Key Exchange with On-Demand Computation of Subgroup Keys
2010年，Abdalla等人首先对BD协议的计算步骤提出了一个微小的修改，称为mBD+ P，然后他们将mBD+P协议扩展为mBD+S协议。本文证明了mBD+P协议和mBD+S协议都容易受到恶意内部人攻击。此外，我们提出了一个简单的对策，对这种攻击。
2010-08-06 cs.CR
Survey on Misbehavior Detection in Cooperative Intelligent Transportation Systems
协同智能交通系统（cITS）是提高行车安全和效率的一项有前途的技术。车辆与其他车辆和基础设施进行无线通信，从而创建高度动态和异构管理的自组织网络。正是这些网络特性使得保护数据的完整性并保证其正确性成为一项具有挑战性的任务。一个主要的组成部分是传统的安全机制，如基于PKI的非对称加密，只排除外部攻击者，不拥有关键材料的问题。然而，由于攻击者可能是网络内部的人（即，拥有有效的密钥材料），这种方法不能检测所有可能的攻击。在这项调查中，我们提出了不当行为检测机制，可以检测这种内部攻击的攻击者的行为和信息分析的基础上。与经典IT系统的众所周知的入侵检测相比，这些不当行为检测机制分析信息语义来检测攻击，这与cITS预见的高度应用定制的通信协议更好地一致。在我们的调查中，我们对cITS生态系统进行了广泛的介绍，并讨论了基于PKI的安全性的缺点。我们推导并讨论了不当行为检测机制的分类，提供了关于该主题的开创性论文的深入概述，并突出了开放的问题和未来可能的研究趋势。
2018-11-29 cs.CR
Secure UAV Swarms in Low-Altitude Wireless Networks: Challenges and Solutions
School of Cyber Science and Engineering, Xi’an Jiaotong University（西安交通大学网络空间安全学院）
针对无人机群在低空无线网络中面临的安全威胁，提出云边端协同防御框架，包含抗GPS欺骗、内部威胁缓解和多跳攻击溯源三种机制。
2026-05-26 cs.CR
New Frontiers of Network Security: The Threat Within
近70%的信息安全威胁来自组织内部。随着移动性的最新趋势（便携式设备，如笔记本电脑、智能手机等），内部威胁的机会以惊人的速度增加，无处不在的连接（无线或通过3G连接），并且随着越来越多的基于web的应用在因特网上可用，这种趋势增加。内部威胁通常由现任或前任员工、承包商或合作伙伴造成，他们有权访问组织的网络和服务器。窃取机密信息通常是为了物质利益或故意损害。互联网上的黑客工具、USB设备和无线连接都很容易被入侵。最终结果是在IP盗窃、客户/个人信息泄露等方面造成价值数百万美元的损失。本文介绍了对Insider威胁、攻击者及其动机的理解，并提出了组织层面的缓解技术建议
2010-10-13 cs.CR
FedAT: Federated Adversarial Training for Distributed Insider Threat Detection
School of Information Technology Deakin University（迪肯大学信息技术学院）
本文针对分布式内部威胁检测中数据隐私与极端类别不平衡问题，提出联邦对抗训练FedAT方法结合生成模型与SNN-MLP模型，在non-IID数据分布下显著提升了多类内部威胁检测性能。
2024-09-19 cs.AI cs.CR cs.DC
Comment on A dynamic ID-based Remote User Authentication Scheme
自1981年Lamport提出利用表的远程用户认证方案以来，人们提出了大量的利用表或不利用表的远程用户认证方案。最近Das等人提出了一种基于动态身份的远程用户认证方案。Das等人提出的方案是完全不安全的，使用该方案就像一个开放的服务器访问，不需要口令。
2004-10-05 cs.CR
A Dynamic ID-based Remote User Authentication Scheme
基于密码的身份验证方案是远程用户身份验证中使用最广泛的技术。许多静态的基于身份的远程用户认证方案，无论有没有灵巧卡已经提出。大多数方案不允许用户选择和更改口令，并维护一个验证者表来验证用户登录的有效性。本文提出了一种基于动态身份的灵巧卡远程用户认证方案。我们的方案允许用户自由选择和修改口令，并且不需要维护任何验证者表。该方案具有身份盗用的安全性，能够抵抗应答攻击、伪造攻击、猜测攻击、内部攻击和验证者被盗攻击。
2007-12-13 cs.CR
Behavioral Analytics for Continuous Insider Threat Detection in Zero-Trust Architectures
本文提出基于AdaBoost的持续内部威胁检测方法，利用行为分析和机器学习技术，在零信任架构中实现高精度的异常检测。
2026-01-10 cs.CR cs.DC
Comments on Five Smart Card Based Password Authentication Protocols
在本文中，我们使用廖等人提出的10个安全性要求的灵巧卡为基础的认证协议，检查在这一领域的五个最近的工作。经过分析，我们发现Juang et al. 's，Hsiang et al.’s，Kim等人，和Li et al.的协议在丢失灵巧卡的情况下都会遭受离线密码猜测攻击，而Xu等人的协议在丢失智能卡的情况下会受到离线密码猜测攻击。的受到内部人员冒充攻击。
2010-07-01 cs.CR
DeepTaskAPT: Insider APT detection using Task-tree based Deep Learning
Digital Technology National Research Council Canada（加拿大国家研究委员会数字技术研究所）
APT被称为高级持续性威胁，是网络防御的一个严峻挑战。这些威胁使许多传统防御措施失效，因为这些威胁利用的漏洞是可以访问网络并处于网络内部的内部人员。本文提出了DeepTaskAPT，这是一种基于异构任务树的深度学习方法，用于使用长短期记忆（LSTM）神经网络构建基于任务序列的基线模型，该模型可应用于不同用户以识别异常行为。DeepTaskAPT不是像大多数当前方法那样直接将模型应用于顺序日志条目，而是应用基于进程树的任务生成方法来为深度学习模型生成顺序日志条目。为了评估DeepTaskAPT的性能，我们使用了最近发布的合成数据集，DARPA操作透明计算（OpTC）数据集和现实数据集，洛斯阿拉莫斯国家实验室（LANL）数据集。它们都是由从传感器收集的基于主机的数据组成。我们的研究结果表明，DeepTaskAPT优于类似的方法，例如DeepLog和DeepTaskAPT基线模型展示了其在各种攻击场景中检测恶意跟踪的能力，同时具有高准确性和低误报率。据了解，这是首次尝试使用最近推出的OpTC数据集进行网络威胁检测。
2021-08-31 cs.AI cs.CR
Chimera: Harnessing Multi-Agent LLMs for Automatic Insider Threat Simulation
Singapore Management University（新加坡管理大学）；Tianjin University（天津大学）；Zhejiang University（浙江大学）
Chimera通过多智能体大语言模型生成真实企业环境中的内部威胁数据集，提升内部威胁检测的挑战性和实用性。
2026-01-03 cs.AI cs.CR cs.SE
Design and Analysis of a Secure Three Factor User Authentication Scheme Using Biometric and Smart Card
密码安全性不再能够在远程用户身份验证领域提供足够的安全性。考虑到这一安全缺陷，研究人员正试图通过多因素远程用户认证系统来解决这一问题。近年来，利用生物特征和灵巧卡的三因素远程用户认证引起了研究者的极大关注。然而，目前提出的大多数方案都存在安全缺陷。它们容易受到攻击，如用户冒充攻击，服务器伪装攻击，密码猜测攻击，内部攻击，拒绝服务攻击，伪造攻击等，而且，他们中的大多数无法提供相互认证，会话密钥协商和密码，或灵巧卡恢复系统。针对这些缺点，我们提出了一个利用生物特征和灵巧卡的安全三因素用户认证方案。通过安全性分析，我们表明我们提出的方案可以克服现有系统的缺点，确保远程用户认证的高安全性。
2017-11-03 cs.CR
Protecting the Integrity of IoT Sensor Data and Firmware With A Feather-Light Blockchain Infrastructure
智能城市部署了大量的传感器，并从中收集了大量的数据。例如，高级计量结构（AMI）由收集有关电力和水等公用事业使用数据的物理仪表组成，是智能城市的重要组成部分。在典型的传感器网络中，测量设备通过计算机网络连接，这使它们暴露于网络攻击。此外，数据在运营商的服务器上集中管理，使其容易受到内部威胁。我们的目标是保护大规模传感器网络收集的数据的完整性和测量设备中的固件免受网络攻击和内部威胁。为此，我们首先开发了一个全面的威胁模型，用于攻击数据和固件完整性，它可以针对传感器网络操作中的任何利益相关者。接下来，我们使用我们的威胁模型来分析现有的防御机制，包括签名检查、远程固件认证、异常检测和基于区块链的安全日志。然而，大规模的可信计算基础和缺乏可扩展性限制了这些现有机制的适用性。我们提出了轻量级区块链基础设施（FLBI）框架来解决这些限制。我们的框架利用两层架构和加密阈值签名链来支持大型低容量设备网络，如仪表和数据聚合器。我们已经在Hyperledger Fabric和私有以太坊区块链平台上完全实现了FLBI的端到端功能。我们的实验表明，FLBI能够支持数以百万计的终端设备。
2022-04-30 cs.CR
Secure Routing Path Using Trust Values for Wireless Sensor Networks
传统的基于密码学的安全机制，如认证和授权，不能有效地抵抗内部攻击，如虫洞，sinkhole，选择性转发攻击等，在无线传感器网络中，基于信任的方法被广泛用于对抗内部攻击。它提供了一种定量的方法来评估传感器节点的可信性。一个不可信的节点可能会造成相当大的损害，并对数据的质量和可靠性产生不利影响。因此，分析一个节点的信任级别是非常重要的。在本文中，我们重点介绍了间接信任机制，其中每个节点监视其邻居的转发行为，以检测任何节点的行为自私，不转发它收到的数据包。为此，我们使用了一个基于链路状态路由协议的间接信任，它形成了最短的路由，并通过比较所有计算出的路由信任的值，为网络中存在的每一个路由，找到其中最值得信赖的路由。最后，我们比较了我们的工作与类似的路由协议，并显示了它的优势。
2014-07-08 cs.CR cs.NI
DDoS Attack Detection Method Based on Network Abnormal Behavior in Big Data Environment
随着互联网的快速发展，分布式拒绝服务（DDoS）攻击成为一个日益严重的问题。现有的DDoS攻击检测方法存在时延大、检测率低的问题。提出了一种大数据环境下基于网络异常行为的DDoS攻击检测方法。该方法根据泛洪攻击的特点，对网络流进行过滤，只留下“多对一”的网络流，以减少正常网络流的干扰，提高检测精度。我们定义了网络异常特征值（NAFV）来反映“多对一”网络流新旧IP地址的状态变化。最后，建立了基于NAFV实时序列的DDoS攻击检测方法，用于识别DDoS攻击引起的网络流量异常状态。实验表明，与同类方法相比，该方法具有较高的检测率、较低的虚警率和漏报率。
2019-03-28 cs.CR
An Entropy Analysis based Intrusion Detection System for Controller Area Network in Vehicles
现代车辆上可以找到数十个电子控制单元（ECU），用于安全和驾驶辅助。这些ECU还引入了新的安全漏洞，因为最近的攻击报告是通过插入车载系统或通过无线接入进行的。在本文中，我们专注于控制器局域网（CAN），这是一个标准的ECU之间的通信的安全性。CAN总线在设计上没有足够的安全功能来保护它免受内部或外部攻击。入侵检测系统（IDS）是在CAN总线协议不安全的情况下提高车辆安全性的有效手段之一。我们提出了一种新的入侵检测系统的基础上的熵的标识符位在CAN消息。关键的观察是，所有已知的CAN消息注入攻击都需要改变CAN ID位，分析这些位的熵可以是检测这些攻击的有效方法。我们从一辆车（2016年福特Fusion）收集了真实的CAN消息，并进行了模拟的消息注入攻击。实验结果表明，我们的基于熵的入侵检测系统可以成功地检测到所有的注入攻击，而不中断CAN上的通信。
2018-08-13 cs.CR
A Diamond Model Analysis on Twitter's Biggest Hack
本文运用钻石模型对 2020 年 Twitter 账户劫持攻击进行入侵分析，映射对手、能力、基础设施与受害者，并从网络安全政策角度评估其影响。
2024-08-11 cs.CR
Notes on "An Effective ECC based User Access Control Scheme with Attribute based Encryption for WSN"
网络和通信技术的快速发展导致物联网和无线传感器网络的融合，形成WSNIT。无线传感器网络信息技术使无线传感器网络能够动态地连接到互联网，并与外界进行数据交换。存储在传感器节点中的与患者健康、环境相关的关键数据可以被攻击者通过不安全的互联网访问。为了应对这一点，需要通过结合高度安全和轻量级的认证方案来实现数据完整性和受控的数据访问。在此背景下，Santanu等人提出了一种基于属性的无线传感器网络认证框架，并讨论了其安全性。本文对Santanu等人的方案进行了深入的分析，证明了他们的方案容易受到特权内部攻击和节点捕获攻击。我们还证明了Santanu等人的方案包含限制方案执行的主要不一致性。
2016-03-18 cs.CR
MemSentry: A Framework for Detecting Persistent Memory Poisoning in Agentic AI
Christopher Newport University（克里斯托弗纽波特大学）
MemSentry是一个配置驱动的框架，通过拦截持久性记忆写入并基于源信任、语义风险等做出接受、审查或隔离决策，以检测智能体AI中的记忆投毒攻击。
2026-09-09 cs.CR
OrgForge-IT: A Verifiable Synthetic Benchmark for LLM-Based Insider Threat Detection
Independent Researcher（独立研究者）
本文提出OrgForge-IT，一种可验证的合成基准，通过确定性模拟引擎和语言模型生成表面文本，确保跨 artifact 一致性。研究发现多模型 leaderboard 显示，三类威胁和八种可注入行为的检测策略存在显著差异。
2026-03-23 cs.CR cs.LG
Secure Distributed Membership Tests via Secret Sharing: How to Hide Your Hostile Hosts Harnessing Shamir Secret Sharing
数据安全性和业务使用的可用性经常被视为相互冲突的目标。对可搜索加密和同态加密的研究是一个开始，但它们通常建立在加密方法的基础上，这些加密方法充其量只能提供基于假设计算困难的问题的保护。相比之下，秘密共享等数据编码方法提供信息论的数据保护。使用秘密共享分发数据的归档可以提供数据保护，这些数据保护对恶意内部人员、受损系统和不受信任的组件具有弹性。在本文中，我们创建了串行插值过滤器，这是一种用于存储和交互使用秘密共享的安全和分布式数据集的方法。我们提供了对分布在多个存储库中的面向集合的数据进行操作的能力，而不会暴露原始数据。此外，我们证明了我们的方法在各种攻击模型下的安全性，并提供协议扩展来处理合谋攻击者。串行插值过滤器提供了针对单个攻击者的信息理论保护和针对合谋攻击者的计算硬保护。
2015-12-01 cs.CR
On Blockchain Architectures for Trust-Based Collaborative Intrusion Detection
本文考虑使用新的技术来减轻攻击，旨在损害入侵检测系统（IDS）。基于协作入侵检测网络（CIDNs）的解决方案可以提高抵御此类攻击的能力，因为它们允许IDS节点通过共享信息来相互获取知识。然而，尽管在这一领域进行了大量的研究，但信任管理问题仍然构成了重大挑战，最近的工作调查了这些问题是否可以通过依赖区块链和相关的分布式账本技术来解决。朝着这个方向，该论文提出在CIDN中使用基于信任的区块链，称为信任链，以保护CIDN同行之间共享的信息的完整性，增强其问责制，并通过阻止内部攻击来保护其协作。提出了一种CIDNs的共识协议，它是权益证明和工作量证明协议的组合，使协作IDS节点能够维护可靠的和防篡改的信任链。
2021-09-08 cs.CR
Automated Big Text Security Classification
University of Colorado at Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）
近年来，传统的网络安全防护措施已被证明对内部威胁无效。由内部人员造成的敏感信息泄露的著名案例，包括维基解密公布的外交电报和爱德华·斯诺登事件，极大地损害了美国政府与其他政府和本国公民的关系。数据泄漏防护（DLP）是一种用于检测和防止组织网络内信息泄漏的解决方案。然而，最先进的DLP检测模型只能检测非常有限类型的敏感信息，并且由于缺乏可用的敏感文本，该领域的研究受到阻碍。许多研究人员专注于基于文档的检测，人工标记的“机密文档”，安全标签被分配给整个文档，而实际上只有一部分文档是敏感的。这种基于整个文档的安全标签增加了防止授权用户访问敏感文档中的非敏感信息的机会。在本文中，我们介绍了自动分类启用安全相似性（ACESS），一个新的和创新的检测模型，穿透大文本安全分类/检测的复杂性。为了分析ACESS系统，我们构建了一个新的数据集，其中包含维基解密组织公开的外交电报中以前保密的段落。据我们所知，本文是第一个分析的数据集，包含实际以前的敏感信息注释在段落粒度。
2016-10-21 cs.AI cs.CL cs.CR
Secure Logging with Security against Adaptive Crash Attack
日志系统是安全系统的重要组成部分，其安全性已经得到了广泛的研究。最近（2017年）有研究表明，现有的安全日志记录协议容易受到崩溃攻击，其中对手修改日志文件，然后使系统崩溃，使其与正常的系统崩溃无法区分。攻击者被认为是非自适应的，并且在修改和崩溃之前无法看到文件内容（这将在修改文件之后立即发生）。作者还提出了一个名为SLiC的系统，可以防止这种攻击者。在本文中，我们认为（内幕）自适应对手谁可以看到新的日志操作执行的文件内容。这是一个强大的对手，可以试图将系统倒回过去的状态。我们形式化的安全性对这个对手，并介绍了一个计划的可证明的安全性。我们表明，针对此攻击者的安全性需要一些（小）受保护的内存，可以成为攻击者后，系统妥协。我们表明，现有的安全日志记录方案是不安全的，在这种情况下，即使系统提供了一些受保护的内存如上所述。我们提出了一种新的机制，在其基本形式，使用一对密钥，以不同的速度发展，并采用这种机制，在现有的日志计划，具有前向完整性，以获得一个系统，可证明的安全性，对自适应（因此非自适应）崩溃攻击。我们在台式计算机和树莓派上实现了我们的方案，并且除了更高的安全性外，还显示了比SLiC显著的效率提升。
2019-10-30 cs.CR
Automated U.S Diplomatic Cables Security Classification: Topic Model Pruning vs. Classification Based on Clusters
美国政府一直是来自世界各地的网络攻击的目标。就在最近，前总统奥巴马指责俄罗斯政府向维基解密泄露电子邮件，并宣布美国可能被迫做出回应。虽然俄罗斯否认参与其中，但很明显，美国必须采取一些防御措施来保护其数据基础设施。内部威胁也是其他敏感信息泄露的原因，包括臭名昭著的爱德华·斯诺登事件。最近的大部分泄漏都是以文本的形式。由于文本数据的性质，安全分类是手动分配的。在一个对抗性的环境中，内部人员可以通过电子邮件、打印机或任何不受信任的渠道泄露文本。最佳防御是自动检测非结构化文本安全类，并在不降低服务或日常任务质量的情况下实施适当的保护机制。不幸的是，现有的数据泄漏防护（DLP）系统并不适合检测非结构化文本。在本文中，我们比较了最近的两种方法在文献中的文本安全分类，评估他们的实际敏感文本数据从维基解密数据集。
2017-03-07 cs.CR
Towards a Formal Modelling, Analysis, and Verification of a Clone Node Attack Detection Scheme in the Internet of Things
在克隆节点攻击中，攻击者试图物理捕获设备以收集敏感信息，从而进行各种内部攻击。在上述观点中，已经提出了用于检测IoT网络上的克隆节点攻击的几种解决方案。这些解决方案专注于特定的系统设计、流程和功能集，并基于一些性能需求作为底层系统架构的高级抽象。然而，在现有的旨在验证系统的正确性和鲁棒性以确保不存在有问题的场景或异常的解决方案中，形式化分析、建模和验证等关键功能经常被忽视。本文提出了一种形式化的分析，建模和验证我们现有的克隆节点攻击检测计划在物联网。首先，我们使用高级Petri网（HLPNs）的架构组件的建议方案建模，然后映射它们使用其指定的功能。其次，我们使用Z规约语言定义并分析了该方案的行为特性。此外，我们使用可满足性模理论库（SMT-Lib）和Z3求解器来验证和演示所提出的方案的整体功能。最后，除了建模和分析，这项工作采用有色Petri网（CPNs），它结合Petri网与高级程序设计语言，使它们更适合于大规模的系统建模。为了在CPN中进行模拟，我们使用了定时和非定时模型，其中定时模型用于评估性能，非定时模型用于验证逻辑有效性。
2021-08-23 cs.CR
