Evaluating LLM Generated Detection Rules in Cybersecurity
Sublime Security
本文提出开源评估框架与基准指标,以保留集法对比LLM与人工生成的网络安全规则,多维度评估LLM规则生成器有效性,并分析了Sublime Security的自动检测工程师(ADE)能力。
2026-08-13 cs.AI cs.CR
When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls
该研究对比CLAUDE.md的自然语言安全规则与Claude Code内置控制的匹配度,发现仅4%-16%的规则有匹配控制,揭示开发者无法获知规则是否被强制执行的安全问题。
2026-08-25 cs.CR cs.HC
Suggested Rules for Designing Secure Communication Systems Utilizing Chaotic Lasers: A Survey
基于半导体激光器的混沌通信自20世纪90年代以来引起了人们极大的研究兴趣。利用混沌激光进行物理层加密是实现信息快速、保密传输的一种新方法。有一些实用的光混沌通信设备和装置,直观上被认为是安全的。然而,这些通信设置缺乏一套安全评估规则。根据近年来的相关文献,总结了光混沌通信的几种安全性评价标准,并指出了提高光混沌通信安全性的方法。这些准则和建议的规则对设计混沌激光保密通信系统是很有帮助的。最后提出了混沌光通信安全性分析的未来研究热点。
2010-10-23 cs.CR
An Automated, End-to-End Framework for Modeling Attacks From Vulnerability Descriptions
Ben-Gurion University of the Negev(内盖夫本-古里安大学);NEC Corporation(日本电气株式会社)
攻击图是用于自动化风险评估过程的主要技术之一。为了得到相关的攻击图,关于已知攻击技术的最新信息应该被表示为交互规则。设计和创建新的交互规则不是一项简单的任务,目前由安全专家手动执行。然而,由于新的安全漏洞和攻击技术的数量持续快速增长,因此需要使用新的攻击技术频繁更新攻击图工具的规则集,以确保交互规则集始终是最新的。我们提出了一种新的,端到端的,自动化的框架,从文本描述的安全漏洞建模新的攻击技术。给定一个安全漏洞的描述,该框架首先提取相关的攻击实体所需的攻击模型,完成缺失的信息的漏洞,并得出一个新的交互规则,模型的攻击,这个新的规则是集成在MulVAL攻击图工具。所提出的框架实现了一个新的管道,包括一个专用的网络安全语言模型训练的NVD存储库,用于攻击实体提取的递归神经网络模型,用于完成缺失的信息,和一个新的逻辑回归模型机器学习为基础的方法自动建模的攻击MulVAL的交互规则。我们评估了每个算法的性能,以及完整的框架,并证明了其有效性。
2020-08-10 cs.CR cs.LG
On the Effect of Ruleset Tuning and Data Imbalance on Explainable Network Security Alert Classifications: a Case-Study on DeepCASE
Eindhoven University of Technology(埃因霍温理工大学)
本文以DeepCASE为例,研究标签不平衡对网络入侵告警分类性能及解释正确性的影响,发现调优SOC检测规则可显著减少不平衡,从而提升告警后处理方法的性能与可解释性。
2025-07-02 cs.CR cs.LG cs.NI
Software Security Rules, SDLC Perspective
软件已经成为日常生活中不可或缺的一部分。每天,数以百万计的人通过互联网,自动取款机,移动电话进行交易,他们发送电子邮件和电子问候,并使用字处理和电子表格为各种目的。人们在使用软件时要记住,软件是可靠的,可以信任的,他们执行的操作是安全的。现在,如果这些软件有可利用的安全漏洞,那么他们如何能够安全使用。安全性为软件带来了人们信任的价值。安全软件提供的价值至关重要,因为许多关键功能完全依赖于软件。这就是为什么安全是一个严肃的话题,应该在整个SDLC期间从一开始就给予适当的关注。为了在软件中正确实现安全性,本文提出了21条安全规则以及验证结果。研究发现,通过按照给定的实现机制应用这些规则,可以消除软件中的大多数漏洞,并可以构建更安全的软件。
2009-11-03 cs.CR cs.SE
RealVuln: Benchmarking Rule-Based, General-Purpose LLM, and Security-Specialized Scanners on Real-World Code
RealVuln通过对比基于规则的SAST、通用大语言模型和安全专用扫描器在26个故意存在漏洞的Python仓库中的表现,评估其在现实代码中的性能,揭示了三种扫描器的层次排名。
2026-04-15 cs.CR
Beyond the Syntax: Do Security Experts Trust LLMs for NIDS Rule Engineering?
Sorbonne University(索邦大学);Delft University of Technology(代尔夫特理工大学);Sapienza University of Rome(罗马智慧大学)
研究网络威胁下NIDS规则工程瓶颈,通过用户研究评估基于LLM的规则生成框架,揭示语法 - 语义悖论,从业者对其自主能力存疑,且大规模模型生成规则有效,小模型大多无效。
2026-07-08 cs.CR
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
Misconfiguration Management of Network Security Components
许多公司和组织使用防火墙来控制对其网络基础设施的访问。防火墙是一种网络安全组件,它提供了过滤公司网络内流量的方法,以及管理与Internet的传入和传出交互的方法。为此,需要为防火墙配置一组过滤规则。然而,一组过滤规则中存在的错误很可能会降低网络安全策略。发现和消除这些配置错误是一个严重而复杂的问题。在本文中,我们提出了一套算法,这样的管理。我们的方法是基于一组过滤规则之间的关系的分析。然后,规则的后续重写将从初始防火墙设置(可能配置错误)派生到完全没有错误的等效设置。同时,算法将检测到初始防火墙配置中的无用规则。
2019-12-16 cs.CR math.LO
Programmable Data Planes for Network Security
本文系统梳理了基于支持P4语言的可编程交换机的网络安全应用进展,分析其能力、挑战与架构变通方案,阐明了硬件约束下实现复杂网内安全功能的设计技巧,并指出尚存问题与研究方向。
2025-07-29 cs.CR cs.NI
Ruling the Unruly: Designing Effective, Low-Noise Network Intrusion Detection Rules for Security Operations Centers
该研究通过分析商业SOC的在用规则、结合设计师访谈总结出六项NIDS规则设计原则,验证其可在维持检测覆盖的同时降低分析师不必要工作量,为SOC优化入侵检测规则提供指导。
2025-01-16 cs.CR cs.NI
BlockFW -- Towards Blockchain-based Rule-Sharing Firewall
许多组织经常使用集中管理的安全机制,但这种服务器也是一个安全突破点。这是因为服务器具有共享安全保护的所有节点的权限。因此,如果攻击者成功篡改服务器,组织将陷入困境。此外,保存在服务器上的设置和策略通常不受加密保护,并使用哈希来确保。因此,从替代方式更改设置是可行的,而不会导致安全解决方案发出任何警报。为了缓解这些问题,在这项工作中,我们开发了BlockFW -一种基于区块链的规则共享防火墙,以创建一个托管的安全机制,它提供来自多个节点的验证和监控。对于BlockFW,所有发生的交易都受到加密保护,以确保其完整性,使篡改尝试对攻击者来说极具挑战性。在评估中,我们探索了BlockFW在几种对抗条件下的性能,并证明了其有效性。
2023-03-23 cs.CR cs.CY
IntelliSA: An Intelligent Static Analyzer for IaC Security Smell Detection Using Symbolic Rules and Neural Inference
The University of Melbourne(墨尔本大学)
IntelliSA通过结合符号规则和神经推理,有效检测IaC安全异味,实现高准确率和低成本的自动化安全分析。
2026-01-21 cs.AI cs.CR
SUPC: SDN enabled Universal Policy Checking in Cloud Network
多租户云网络具有构成两个端点之间的服务功能链(SFC)的各种安全和监控服务功能(SF)。SF规则排序重叠和策略冲突可能导致云网络中延迟增加、服务中断和安全漏洞。基于软件定义网络(SDN)的网络功能虚拟化(NFV)已经作为允许云网络中的动态SFC组成和流量导向的解决方案出现。我们提出了一个支持SDN的通用策略检查(SUPC)框架,以提供1)通过将各种SF规则转换为OpenFlow格式的流组合和排序。这确保了在SFC中消除冗余规则和策略遵从性。2)流冲突分析,以识别报头空间中的冲突和各种SF规则之间的动作。我们的研究结果表明,SF规则的组成显着减少。此外,我们的冲突检查机制能够识别在云网络中造成安全性,效率和服务可用性问题的几个规则冲突。
2018-11-01 cs.CR
Security Constraints in Temporal Role-Based Access-Controlled Workflows (Extended Version)
工作流和基于角色的访问控制模型需要适当地合并,以便允许用户根据给定的数据访问策略和时间约束以正确的方式执行流程。给出了工作流模型与不确定性的简单时态网络之间的映射,讨论了角色时态与简单时态网络之间的映射,以及如何将两个结果网络连接起来,以明确谁可以做什么,什么时候。如果连接的网络仍然是可执行的,我们将展示如何计算每个任务的授权用户集。最后,我们定义了安全约束(以防止用户进行未经授权的操作)和安全约束传播规则(在运行时传播安全约束)。我们还提供了一个算法来检查一组传播规则是否安全,我们扩展了现有的执行算法,以考虑到这些新的安全方面。
2016-01-11 cs.CR
CTI-REALM: Benchmark to Evaluate Agent Performance on Security Detection Rule Generation Capabilities
Microsoft Security AI(微软安全人工智能)
CTI-REALM基准测试旨在评估AI代理解读网络威胁情报和生成检测规则的能力,通过模拟真实安全分析师工作流程,评估代理在不同系统和平台上的表现,展示了AI代理在检测工程中的潜力。
2026-03-17 cs.CR
One Exploit to Rule them All? On the Security of Drop-in Replacement and Counterfeit Microcontrollers
随着嵌入式系统复杂性的不断提高,固件已经成为一种宝贵的资产。与此同时,硬件成本降低的压力迫在眉睫。这两个方面在系统的核心是统一的,即,微控制器。它运行并保护其固件,但同时必须战胜更便宜的替代品。对于非常受欢迎的STM32 F1微控制器系列,这在过去几年中导致了许多竞争对手的出现,他们提供直接替代品,甚至以原价的一小部分出售假冒设备。因此,问题出现了,替代品是否是硅级克隆,如果不是,它们是否提供更好,相等或更少的安全性。在本文中,我们深入分析了四家制造商的六种设备,包括原始设备。通过低级分析,我们将所有这些设备都识别为单独开发的设备。我们进一步将重点放在调试和硬件安全上,在所有设备中发现了几个新的漏洞,导致整个固件暴露。所有提出的漏洞,包括侵入性漏洞,都是在自己动手(DIY)的水平上,不需要复杂的实验室-从而强调了硬件修复的紧迫性。为了便于进一步研究,复制和测试其他设备,我们在本文中提供了所有漏洞的全面描述和在线概念验证代码。
2020-08-21 cs.CR
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
Safeguard: Security Controls at the Software Defined Network Layer
Safeguard通过结合基于规则和数据驱动的策略,防止网络流量中的意外响应,提升软件定义网络的安全性。
2026-01-24 cs.CR cs.NI
Unsupervised Learning for security of Enterprise networks by micro-segmentation
微分段是一种网络安全技术,需要为每个唯一的分段提供服务。要做到这一点,第一步是定义这些唯一的段(也称为安全组),然后初始化策略驱动的安全控制。在本文中,我们提出了一个无监督学习技术,涵盖了安全分组和策略创建。对于网络资产分组,我们开发了一个基于距离的机器学习算法,利用资产的动态行为。也就是说,在观察整个网络日志之后,我们的无监督学习算法建议将网络资产划分为组。这种无监督技术的一个关键点是,分组只在训练阶段生成,在测试阶段仍然有效。分组阶段的结果然后被馈送到规则(安全策略)创建阶段,使得能够将安全组建立为防火墙规则的最低粒度。我们进行了定量和定性实验,并证明了我们的网络细分方法的良好性能。我们进一步开发了一个原型,以验证我们的方法在现实世界的环境中规模的运行时性能。我们的方法的超参数为用户提供了一个灵活的模型,可以进行微调,以非常容易地适应企业的安全治理。
2020-03-25 cs.CR
Language Model Security Modules: Turning LLM Interpretability into Runtime Defense
National University of Singapore(新加坡国立大学);University of Science and Technology of China(中国科学技术大学)
该研究提出受Linux安全模块启发的LMSM框架,通过分离调解与策略实现LLM安全,在Qwen3-4B上可降低攻击成功率,同时保持较高吞吐量。
2026-11-19 cs.CR
Where Rules End and Judges Begin: Measuring the Judgment Boundary in Multi-Agent Systems Security
The University of Alabama(阿拉巴马大学)
本研究提出DEFER1防御框架,通过28项确定性检查与四法官评审级联,将多智能体系统攻击成功率从约30%降至3%,并揭示了规则与判断在安全防御中的边界与局限。
2026-10-14 cs.AI cs.CL cs.CR
Demand-Driven Vulnerability Detection for Cloud Security Posture Management: Removing Human Rule Authoring from the Disclosure-to-Protection Critical Path
提出一种在客户租户内持续从公共目录与实时资产图交集派生规则集的架构,替代传统供应商分发规则,以消除人工编写延迟,实现更快的漏洞检测。
2026-06-28 cs.CR cs.DB cs.DC
Extending Signature-based Intrusion Detection Systems WithBayesian Abductive Reasoning
UMBC(马里兰大学巴尔的摩县分校)
随着新的恶意软件不断发布,不断演变的网络安全威胁是systemadministry和安全专家面临的持续挑战。攻击者可能会在商业产品中寻找漏洞,或者执行复杂的侦察活动来了解目标网络,并收集防火墙和入侵检测/防御系统(基于网络或主机)等安全产品的信息。许多新的攻击往往是对现有攻击的修改。在这种情况下,基于规则的系统无法检测到攻击,即使识别新攻击和现有攻击的规则之间的条件/属性存在微小差异。为了检测这些差异,IDS必须能够隔离为真的条件子集,并预测必须观察的可能条件(与原始条件不同)。在本文中,我们提出了一种概率溯因推理方法,该方法增强了现有的基于规则的IDS(IDS [29]),通过(a)预测可能发生的规则条件(基于现有规则)和(b)在提供种子规则(即起始规则)时能够生成新的规则,以减少专家不断更新它们的负担,来检测这些进化的攻击。我们通过从MACDC 2012规则集生成新规则并在MACDC 2012数据集上进行测试来证明该方法的有效性[6]。
2019-03-28 cs.AI cs.CR cs.LG
Application Layer Intrusion Detection with Combination of Explicit-Rule- Based and Machine Learning Algorithms and Deployment in Cyber- Defence Program
关于网络入侵检测与防御系统的研究已经有很多,但是关于应用层入侵检测与防御的研究还不多见,也不是很成熟。网络层和应用层的入侵检测和防御对于网络安全和企业系统安全具有重要意义。由于应用层入侵日益增多,必须给予足够的重视,并使用最先进的算法进行有效的检测和预防。本文讨论了商业和开源空间中应用层入侵检测和防御功能的现状,并提供了一条发展到更成熟状态的路径,不仅可以解决企业系统安全问题,还可以解决国家网络防御问题。可扩展性和成本效益是形成拟议解决方案的重要因素。
2014-11-12 cs.CR cs.NI
Adaptive Detection of Polymorphic Malware: Leveraging Mutation Engines and YARA Rules for Enhanced Security
本研究提出利用突变引擎和YARA规则的混合检测框架,通过多层分析提升对多态恶意软件的检测性能。
2025-11-25 cs.CR
A technical solution for the rule of law, peace, security, and evolvability of global cyberspace -- solve the three genetic defects of IP network
针对IP网络权力集中、缺乏内生安全、协议僵化三大缺陷,提出基于区块链的共治多标识网络CoG-MIN,兼具安全、兼容IP、支持多标识演进等特性,为全球网络空间治理提供技术方案。
2024-12-14 cs.CR cs.NI
Rule-based Adaptations to Control Cybersickness in Social Virtual Reality Learning Environments
社交虚拟现实学习环境(VRLE)为用户提供沉浸式体验,增加了远程学习的可访问性。在关键VRLE应用领域(例如,军事训练、制造)可能会破坏应用程序功能并引发电脑病。在本文中,我们提出了一种新的基于规则的3QS自适应框架,执行风险和成本意识的权衡分析,以控制由于性能/安全异常事件在VRLE会话期间的网络病。我们的框架实现在一个社会VRLE即,vSocial监控网络/会话数据中的性能/安全异常事件。在出现异常的情况下,该框架具有基于规则的适应性,通过使用各种决策指标来触发。基于我们的实验结果,我们证明了我们的基于规则的3QS适应框架在减少晕网水平,同时保持应用程序的功能的有效性。利用我们的主要研究结果,我们为解决性能和安全问题提供了合适的实践,以实现更高性能和更强大的社交VRLE。
2021-08-27 cs.CR cs.DC cs.HC
Democratizing ML for Enterprise Security: A Self-Sustained Attack Detection Framework
本文提出一种自维持的攻击检测框架,通过两阶段混合方法和主动学习,降低企业安全中的机器学习使用门槛,提升威胁检测效率与准确性。
2025-12-09 cs.AI cs.CR
Directed Security Policies: A Stateful Network Implementation
大型系统通常是互连的。安全策略描述网络实体之间的通信关系。安全策略定义规则,例如A可以连接到B,这会产生一个有向图。然而,该策略通常在网络中例如通过防火墙来实现,使得A可以建立到B的连接,并且允许属于所建立的连接的所有分组。这种有状态的实现通常是网络功能所必需的,但它引入了从B到A的回流,这可能与安全策略相矛盾。我们推导出一个策略及其有状态实现的合规标准。特别是,我们提供了一个标准来验证在线性时间内没有副作用。提出了自动构造安全策略规则的有状态实现的算法,缩小了形式化与实际实现之间的差距。该解决方案可扩展到大型网络,这一点已被一个大型现实案例研究所证实。它的正确性由Isabelle/HOL定理证明器保证。
2014-05-06 cs.CR cs.LO
From Threat Intelligence to Firewall Rules: Semantic Relations in Hybrid AI Agent and Expert System Architectures
Department of Control and Computer Engineering(控制与计算机工程系)
本文提出利用语义关系从威胁情报中提取信息,通过神经符号方法生成防火墙规则以缓解网络威胁。
2026-03-04 cs.AI cs.CL cs.CR
Capturing the security expert knowledge in feature selection for web application attack detection
Facultad de Ingeniería, Universidad de la República(乌拉圭共和国大学工程学院);Universidad Católica del Uruguay(乌拉圭天主教大学)
本文提出利用互信息值复制安全专家知识进行特征选择,结合监督学习与半监督One-Class SVM模型训练,有效提升了Web应用防火墙的攻击检测性能并降低了误报。
2024-07-26 cs.AI cs.CR
Evolution of Log-Based Detection Rules in Public Repositories
University of Virginia(弗吉尼亚大学)
本文研究了公共仓库中基于日志的检测规则的演变,通过分析Sigma和Splunk Security Content两个项目中的6859条规则历史,发现约56%的规则至少经过一次修订,且规则生命周期内演变非单调,经常出现回退,表明规则变化并非持续积累,而是存在操作上的权衡。
2026-08-21 cs.CR cs.SE
Argumentation-based Security for Social Good
University of Cyprus(塞浦路斯大学);Technical University of Crete(克里特理工大学);Imperial College London(帝国理工学院)
互联互通的增加及其对日常生活的影响正在引发新的和现有的安全问题,这些问题对社会公益越来越重要。我们介绍了两个特殊的问题:网络攻击归因和监管数据共享。对于这两个问题,关于应用哪些规则的决定,应该在不完整和上下文相关的信息下做出。我们提出的解决方案是基于论证推理,这是一个非常适合的技术,在冲突和不完整的信息下实现决策机制。我们的建议允许我们识别网络攻击的攻击者,并决定在使用和共享数据时应使用的监管规则。我们通过具体的例子来说明我们的解决方案。
2017-05-01 cs.AI cs.CR
SPARK: Static Program Analysis Reasoning and Retrieving Knowledge
School of Information Technologies, University of Sydney(悉尼大学信息技术学院);Department of Computer Science, Yonsei University(延世大学计算机科学系);Qatar Computing Research Institute(卡塔尔计算研究所)
程序分析是一种不用执行程序就能对程序进行推理的技术,它在编译器、集成开发环境和安全性方面有各种应用。在这项工作中,我们提出了一个机器学习管道,诱导程序的安全分析器的例子。安全分析器根据我们的机器学习管道推导出的符号规则来确定程序是安全还是不安全。机器流水线分为两个阶段,包括一个递归神经网络(RNN)和一个将RNN转换为符号规则的提取器。为了评估学习的符号规则的质量,我们提出了一个基于采样的两个无限正则语言之间的相似性度量。我们使用真实世界的数据进行案例研究。在这项工作中,我们讨论了现有技术的局限性和未来可能的改进。结果表明,在有足够的训练数据和合理分布的程序路径的情况下,对数百万行代码的OpenJDK库进行符号安全规则推导是可行的。
2017-11-03 cs.AI cs.CR cs.PL
WAFBOOSTER: Automatic Boosting of WAF Security Against Mutated Malicious Payloads
WAFBOOSTER是一个基于学习的框架,通过影子模型和载荷生成技术识别WAF绕过漏洞并生成签名,将变异恶意载荷的拒绝率从21%提升至96%,且无误拒绝。
2025-01-23 cs.CR
An Evaluation and Enhancement of Seredynski-Bouvry CA-based Encryption Scheme
本文研究了Seredynski和Bouvry在\cite{semabo04}中提出的基于元胞自动机的分组密码对\emph{plain-text avalanche criteria}和\emph{randomness}的测试.我们的实验表明,Seredynski-Bouvry加密方案不能通过一些NIST统计测试的邻域半径小于3。同时也表明,如果CA规则的选择不慎重,会削弱方案的安全性。因此,CA规则作为密钥的一部分的选择不能留给用户。因此,在CA规则的选择中,应该考虑诸如平衡性和非线性的密码属性。这种方法更符合Kerckhoffs原理。因此,安全性应该仅取决于最终数据的安全性。我们还对Seredynski-Bouvry加密方案进行了改进,使其能满足严格的雪崩准则和NIST统计测试集,迭代次数比原方案减少一半左右。这种改进是通过改变邻域的定义来实现的。
2021-12-10 cs.CR
Studying Detection Rule Generation as a Unified Task
Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院)
本文提出UniRule框架,通过双语义投影空间实现跨上下文和语言的统一检测规则生成,实验表明其优于纯LLM生成方法。
2026-09-25 cs.CR
Towards Safety and Security Testing of Cyberphysical Power Systems by Shape Validation
本文提出基于语义网本体、SPARQL 规则和 SHACL 形状约束的声明式方法,以建模网络物理电力系统并自动验证其安全与安保控制。
2025-06-14 cs.CR
Cross-Cutting Security Analysis of LLM-Generated Code via Metamorphic Testing and Association Rule Mining
University of Montana(蒙大拿大学);University of Oklahoma(俄克拉荷马大学);Central Washington University(华盛顿中央大学)
研究针对LLM生成代码的安全漏洞,提出结合变形测试与关联规则挖掘的框架,定义九个MRs并应用于3700个代码片段,揭示共同违反结构与横切模式,还进行提示级风险分析,发现不安全代码生成具结构化和提示依赖性,推动相关验证与干预。
2026-07-15 cs.CR cs.SE
Automated Implementation of Windows-related Security-Configuration Guides
强化是指配置IT系统以确保系统组件及其处理或存储的数据的安全性的过程。然而,当代IT基础设施的复杂性使得手动安全加固和维护成为一项艰巨的任务。在许多组织中,SCAP(安全内容自动化协议)中表达的安全配置指南被用作加强的基础,但这些指南本身并没有提供自动实现所需配置的方法。在本文中,我们提出了一种方法来自动提取相关信息,从公开的安全配置指南Windows操作系统使用自然语言处理。在第二步中,使用存储在Windows管理模板文件中的可用设置的信息来验证提取的信息,其中定义了大多数Windows配置设置。我们表明,我们的实现这种方法可以提取和实现83%的规则,而无需任何手动工作和96%,以最小的手动工作。此外,我们对12个最先进的指南进行了研究,这些指南由2014年的自动检查规则组成,并表明我们的工具至少可以正确实现其中的97%。因此,我们大大减少了基于现有安全配置指南保护系统的工作。
2022-09-19 cs.CR cs.SE
Distributed firewalls and IDS interoperability checking based on a formal approach
为了监督和保证网络安全,管理员使用不同的安全组件,如防火墙,IDS和IPS。为了在这些组件之间实现完美的互操作性,必须正确配置它们,以避免它们之间的错误配置。然而,过滤规则和警报规则之间的一组异常的存在,特别是在分布式多组件架构中,很可能会降低网络安全性。本文的主要目的是检查一组安全组件是否具有互操作性。一个案例研究使用防火墙和入侵检测系统的例子将说明我们的方法的实用性。
2013-10-10 cs.CR cs.NI
Optimizing Password Cracking for Digital Investigations
本研究提出优化的基于规则的密码破解策略,将计算迭代减少约40%,并评估英国三词密码指南的安全性,发现使用常用词组合的三词密码仍易被破解。
2025-04-04 cs.CR
GenXSS: an AI-Driven Framework for Automated Detection of XSS Attacks in WAFs
GenXSS框架利用大语言模型自动生成并验证XSS攻击载荷,同时自动生成WAF防护规则,实验显示其生成的载荷80%可绕过ModSecurity,且仅用15条新规则即可阻断86%的攻击。
2025-04-11 cs.CR
On the (in)security of Proofs-of-Space based Longest-Chain Blockchains
本研究证明无额外假设时,基于空间证明的动态可用最长链区块链不可能安全,推导了双花分叉长度的上下界,量化了该不可能性结果。
2025-05-20 cs.CR
REMOTEGATE: Incentive-Compatible Remote Configuration of Security Gateways
想象一下,一个恶意的黑客试图通过互联网攻击一个服务器,而服务器希望尽可能地在靠近攻击数据包的来源地阻止攻击数据包。但是,攻击源前面的安全网关是不可信的。服务器如何阻止通过此网关的攻击数据包?在本文中,我们介绍了REMOTEGATE,一个值得信赖的机制,允许任何一方(服务器)在互联网上配置一个安全网关所拥有的第二方,在一定的商定的报酬,前者支付给后者的服务。我们采取一个互动的激励兼容的方法,当服务器和网关都是合理的情况下,设计一个协议,将允许服务器帮助安全网关生成和部署一个策略规则,过滤攻击数据包之前,他们到达服务器。只有当网关能够成功验证它已经为问题生成并部署了正确的规则时,服务器才会奖励网关。这一机制将使互联网规模的方法能够在数字支付激励的支持下提高安全性和隐私性。
2017-09-14 cs.CR cs.DC cs.GT
CellSecInspector: Safeguarding Cellular Networks via Automated Security Analysis on Specifications
Utah State University(犹他州立大学);Michigan State University(密歇根州立大学);University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本文提出CellSecInspector框架,通过提取结构化状态-条件-动作表示,系统验证9个基础安全属性,发现43个漏洞,其中7个此前未报告。
2026-09-07 cs.CR
AI-Driven Container Security Approaches for 5G and Beyond: A Survey
本文为面向5G及未来网络的AI驱动容器安全综述,梳理了容器安全领域的研究方向与分类,重点调研了利用机器学习应对安全挑战的相关方法。
2023-03-31 cs.CR
Precision over Noise: Tailoring S3 Public Access Detection to Reduce False Positives in Cloud Security Platforms
针对云安全平台中Amazon S3公共访问警报误报率高的问题,通过创建整合ACL配置等多维度扫描的自定义检测逻辑,将模拟环境中80%以上的误报率显著降低,提升了警报精度并减轻了分析人员工作量。
2025-08-20 cs.CR
App's Auto-Login Function Security Testing via Android OS-Level Virtualization
受小键盘的限制,大多数移动应用都支持自动登录功能,以获得更好的用户体验。因此,当应用再次在前台运行时,用户避免了重新输入ID和密码的不便。然而,这种自动登录功能可以被利用来发动所谓的“数据克隆攻击”:一旦本地存储的、依赖于自动登录的数据被攻击者克隆并放置到自己的智能手机中,攻击者就可以突破登录设备数量限制,悄悄登录受害者的帐户。一个自然的对策是检查特定于设备的属性的一致性。只要新设备显示与前一个不同的设备指纹,应用程序将禁用自动登录功能,从而防止数据克隆攻击。在本文中,我们开发了VPDroid,一个透明的Android操作系统级的虚拟化平台,专为安全测试。使用VPDroid,安全分析师可以在虚拟电话中自定义不同的设备工件,例如CPU型号,Android ID和电话号码,而无需用户级API挂钩。VPDroid的隔离机制确保虚拟手机中的用户模式应用程序无法检测到特定于设备的差异。为了评估Android应用程序对数据克隆攻击的敏感性,我们使用VPDroid模拟了234个下载量最大的应用程序的数据克隆攻击。我们在五个不同的虚拟手机环境中进行的实验表明,VPDroid的设备属性自定义可以欺骗所有执行设备一致性检查的测试应用程序,例如Twitter,WeChat和PayPal。19家供应商已确认我们的报告为零日漏洞。我们的研究结果描绘了一个警示故事:只有在客户端执行设备一致性检查仍然容易受到高…
2021-03-30 cs.CR
Data Poisoning-based Backdoor Attack Framework against Supervised Learning Rules of Spiking Neural Networks
本文针对脉冲神经网络监督学习规则提出了一种通用的基于数据投毒的后门攻击框架,揭示了SNN在后门攻击下不再具有固有鲁棒性,并发现转换学习规则的后门迁移率可超99%。
2024-09-24 cs.CR cs.NE
EncGPT: A Multi-Agent Workflow for Dynamic Encryption Algorithms
EncGPT提出一种基于大语言模型的多智能体框架,通过规则、加密和解密智能体动态生成并应用加密规则,平衡成本与安全性,并在替换加密工作流中实现平均15.99秒的执行时间。
2025-03-29 cs.CR cs.MA
Generating API Parameter Security Rules with LLM for API Misuse Detection
提出GPTAid框架,利用LLM分析API源码自动生成参数安全规则,通过执行反馈和差分分析过滤验证,在200个API数据集上精确率达92.3%,并发现210个未知安全漏洞。
2024-09-19 cs.CR cs.SE