KYPO4INDUSTRY: A Testbed for Teaching Cybersecurity of Industrial Control Systems
工业控制系统和信息技术系统对网络安全的要求不同。这一事实加剧了雇用具有相关技能的网络安全员工的全球问题。在本文中，我们提出了KYPO 4INDUSTRY培训设施和课程大纲的初学者和中级计算机科学学生学习网络安全在模拟工业环境。该培训设施使用开源硬件和软件构建，并提供工业控制系统的可重新配置模块。该课程采用翻转课堂形式，并配有动手项目：学生们创建复制真实网络攻击的教育游戏。在整个学期中，他们学习了解风险，并获得应对针对工业控制系统的网络攻击的能力。我们所描述的测试平台设计及其使用经验可以帮助任何对网络物理系统网络安全教学感兴趣的教育工作者。
2020-04-24 cs.CR
An Adversarial Risk Analysis Framework for Cybersecurity
网络威胁影响着所有类型的组织。风险分析是网络安全的重要方法，因为它允许组织处理可能影响他们的网络威胁，优先考虑其资产的防御，并决定应该实施什么样的安全控制。许多风险分析方法存在于网络安全模型、合规框架和国际标准中。然而，其中大多数采用风险矩阵，其缺点可能导致次优的资源分配。我们提出了一个全面的网络安全风险分析框架，涵盖了对抗性和非故意威胁的存在，并将保险作为安全组合的一部分。一个案例研究说明了拟议的框架，作为模板，更复杂的情况下。
2019-03-18 cs.CR
Cybersecurity AI Benchmark (CAIBench): A Meta-Benchmark for Evaluating Cybersecurity AI Agents
Alias Robotics；Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学）
针对现有网络安全基准仅评估孤立技能、LLM知识与攻防能力存在差距的问题，研究提出模块化元基准框架CAIBench，涵盖五类超万实例的攻防等评估，发现模型知识饱和但实战能力弱，恰当的框架与模型匹配可显著提升性能。
2025-10-28 cs.CR
We need to aim at the top: Factors associated with cybersecurity awareness of cyber and information security decision-makers
本文基于对283名斯洛文尼亚网络与信息安全决策者的调查，研究其网络安全意识水平及相关因素，发现决策者安全意识普遍偏低，且意识与EDR/XDR反恶意软件方案或SOC采用、组织角色类型、性别、年龄及信息安全与IT经验显著相关，为针对性培训提供依据。
2024-04-06 cs.CR
Safeguarding Skies: Airport Cybersecurity in the Digital Age
Rajamangala University of Technology Tawan-ok（大城皇家理工大学）
本文系统分析了机场面临的新兴威胁，结合现实案例和文献，首次将MITRE ATT&CK矩阵应用于机场安全风险评估，提出基于网络安全框架和零信任架构的防护策略，为航空行业应对复杂网络安全挑战提供指导。
2026-04-26 cs.CR
Cybersecurity: Past, Present and Future
本书系统梳理网络安全的过去、现在与未来，覆盖软件与硬件安全、恶意软件、生物识别、网络情报和取证，并展望人机协作及可解释AI等方向。
2024-03-03 cs.CR
Cybersecurity AI: Evaluating Agentic Cybersecurity in Attack/Defense CTFs
Alias Robotics；Università degli Studi di Napoli Federico II（那不勒斯费德里科二世大学）；Johannes Kepler University Linz（林茨约翰内斯开普勒大学）；Alpen-Adria-Universität Klagenfurt（阿尔卑斯-亚得里亚-克拉根福大学）
该研究利用 CAI 框架在 23 个攻防 CTF 中实测自主 AI 智能体，发现防御优势仅在无约束补丁条件下成立，实际可用性与防入侵约束会显著拉低其表现。
2025-10-20 cs.CR
Enhancing cybersecurity defenses: a multicriteria decision-making approach to MITRE ATT&CK mitigation strategy
本文针对日益复杂的网络安全威胁，提出将MITRE ATT&CK框架与多准则决策技术相结合的方法，通过确定并优先排序安全控制措施来制定防御策略，帮助组织提升网络安全态势的稳健性与弹性。
2024-07-27 cs.CR
Power Grid Cybersecurity: Policy Analysis White Paper
GLNS
针对美国电网网络安全政策零散被动的问题，提出加强信息共享与标准化网络卫生的双重政策，并建议统一框架协调标准，以提升即时与长期防护。
2025-10-16 cs.CR
Bridging Cybersecurity Practice and Law: a Hands-on, Scenario-Based Curriculum Using the NICE Framework to Foster Skill Development
本文针对中小型企业常见攻击向量，基于NICE Framework提出技术与非技术TKSA实用模型，并开发场景化课程以提升网络安全实践与法律应对能力。
2025-09-21 cs.CR
SEvenLLM: Benchmarking, Eliciting, and Enhancing Abilities of Large Language Models in Cyber Threat Intelligence
本文提出SEvenLLM框架，通过构建双语指令语料库和包含27个任务的多任务学习流水线，提升大型语言模型在网络安全威胁情报中的事件分析与响应能力，实验证明其能有效增强复杂威胁分析。
2024-06-03 cs.CR
Cybersecurity in Smart Farming: Canada Market Research
圭尔夫大学的网络科学实验室（CSL）和智能网络物理系统（SCPS）实验室对加拿大智能和精准农业的网络安全技术采用和要求进行了市场研究。我们在加拿大和美国进行了17次利益相关者/关键意见领袖访谈，并进行了广泛的二次研究，以完成这项研究。每次面试一般需要15-20分钟完成。访谈采用客户认可的访谈指南进行。二级和初级研究集中在以下调查领域：市场规模和细分市场预测和增长率竞争格局市场挑战/进入壁垒市场趋势/增长驱动因素技术的采用/商业化
2021-04-12 cs.CR
Data Protection by Design for Cybersecurity Systems in a Smart Home Environment
本文论述了欧盟数据保护法中最近引入的设计数据保护（DPbD）原则的阐述和实施，特别是从法律和技术角度来看，在灵巧家庭环境中的网络安全系统。该项目致力于开发一个创新和可定制的网络安全平台，用于物联网生态系统内的网络威胁情报收集、检测和缓解。在本文的过程中，DPbD的要求与系统的概念化，设计和实际开发的法律规定。这些要求随后被转化为网络信任系统所设想的技术解决方案。由于权衡对DPbD背景并不陌生，因此在这一跨学科对话中还讨论了技术限制和法律挑战。
2019-03-26 cs.CR
Simulation in Cybersecurity: Understanding Techniques, Applications, and Goals
针对网络安全仿真研究因应用与目标多样而难以整体分析的局限，本文从应用领域、网络威胁类型、仿真技术和主要目标四个维度全面综述了当前技术，分析了不同方法优劣及适用场景。
2025-08-08 cs.CR
Review: Deep Learning Methods for Cybersecurity and Intrusion Detection Systems
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
随着网络攻击的数量不断增加，网络安全正在演变为任何企业的关键问题。人工智能（AI）和机器学习（ML）（特别是深度学习- DL）可以作为网络防御的关键技术，因为它们可以有助于威胁检测，甚至可以为网络分析师提供建议的行动。工业界、学术界和政府在全球范围内建立伙伴关系是必要的，以推动AI/ML在网络安全中的应用，并创建高效的网络防御系统。在本文中，我们关注对用于网络入侵检测的各种深度学习技术的调查，并介绍了用于网络安全应用的深度学习框架。
2020-12-04 cs.CR cs.LG
Process Mining Analysis of Puzzle-Based Cybersecurity Training
实际操作的网络安全培训质量对于有效减轻网络威胁和攻击至关重要。然而，实际的网络安全培训是非常注重过程的，这使得培训后的分析非常困难。本文提出了应用于学习分析工作流的过程挖掘方法。我们介绍了一个统一的方法来重建行为图稀疏事件日志的赛博范围。此外，我们讨论了重要的数据功能，影响其实际可用性的教育过程挖掘。在此基础上，提出了处理过程图复杂性的方法，利用基于益智游戏的课堂培训课程。
2022-03-29 cs.CR cs.IR
The Opportunity to Regulate Cybersecurity in the EU (and the World): Recommendations for the Cybersecurity Resilience Act
在大多数情况下，安全正在成为网络安全。这一点应在欧洲联盟提出并商定的《网络安全复原力法案》中得到体现。在本文中，我们定义了一系列的原则，这个未来的法案应该建立在一个结构，并认为为什么它应该尽可能广泛。它基于网络安全研究界长期以来的要求，以及构成明确的硬法律规则而不是软法律规则的内容。像网络安全这样的重要领域应该得到认真对待，以我们看待其他类型的关键基础设施和物理结构的方式对其进行监管，并且不妥协和合乎逻辑，以涵盖其无处不在的性质所带来的风险和混乱的可能性。我们发现，需要详细规范网络安全系统生命周期的原则，因为根据Kirkhoffs原则，需要明确说明正在使用什么技术，并摒弃技术解决主义的想法。此外，仔细分析风险总是必要的，但了解系统制造商何时以及如何可能失败或几乎失败也是必要的。我们通过以下原则做到这一点：事前和事后评估，安全和安全设计，拒绝模糊，消除不可靠性，系统确认，完全透明，向零信任安全模型的转变，网络安全弹性，强制循环风险管理，可靠性，危险分析和缓解或限制，责任，明确的报告制度，认证和标准的执行，安全和持续服务的授权验证。为此，我们建议该法案采用与GDPR类似的机构和机制，并建立强有力的国家机构来协调每个成员国的检查和执法，ENISA是最高协调机构。
2022-05-26 cs.CR cs.CY
Assessing The Effectiveness Of Current Cybersecurity Regulations And Policies In The US
本文评估美国现有网络安全法规政策的有效性，聚焦NIST框架及多项关键法规，分析2000-2022年网络犯罪数据与行业影响，指出其成效与挑战，强调需持续适配 evolving 网络威胁。
2024-04-17 cs.CR cs.CY
Autonomic Vehicular Networks: Safety, Privacy, Cybersecurity and Societal Issues
安全、效率、隐私和网络安全可以在各种自动驾驶水平的通信车辆的自组织网络中共同实现。基本的方法，解决方案和新颖的结果进行了简要介绍。我们解释了为什么我们面临着一个关于机动化社会和网络监控的关键选择。
2018-03-01 cs.CR cs.CY
Can AI Lower the Barrier to Cybersecurity? A Human-Centered Mixed-Methods Study of Novice CTF Learning
University of Klagenfurt（克莱根弗尔特大学）
本文通过混合方法研究探讨代理AI框架如何降低初学者在CTF渗透测试中的门槛，发现其在提供指导和降低认知负荷方面的作用，同时指出AI辅助教育带来的信任和依赖挑战。
2026-02-20 cs.AI cs.CR
SecureBERT: A Domain-Specific Language Model for Cybersecurity
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；Carnegie Mellon University（卡内基梅隆大学）
自然语言处理（NLP）最近在网络安全领域获得了广泛的关注，特别是在网络威胁情报（CTI）和网络自动化方面。连接和自动化的增加彻底改变了世界经济和文化基础设施，同时也带来了网络攻击方面的风险。CTI是帮助网络安全分析师做出智能安全决策的信息，通常以自然语言文本的形式提供，必须通过自动程序将其转换为机器可读格式，然后才能用于自动安全措施。本文提出了SecureBERT，一种网络安全语言模型，能够捕获网络安全文本中的文本内涵（例如，CTI），因此成功地自动化了许多关键的网络安全任务，否则这些任务将依赖于人类的专业知识和耗时的手动工作。SecureBERT已经使用大量网络安全文本语料库进行了训练。为了使SecureBERT不仅在保留一般英语理解方面有效，而且在应用于具有网络安全含义的文本时也有效，我们开发了一个定制的标记器以及一种改变预训练权重的方法。SecureBERT使用标准的Masked语言模型（MLM）测试以及两个额外的标准NLP任务进行评估。我们的评估研究表明，SecureBERT \footnote{\url{https://github.com/ehsanaghaei/SecureBERT}}优于现有的类似模型，证实了其解决网络安全中关键NLP任务的能力。
2022-10-20 cs.AI cs.CL cs.CR
Who Coordinates U.S. Cyber Defense? A Co-Authorship Network Analysis of Joint Cybersecurity Advisories (2024--2025)
University at Albany, SUNY（纽约州立大学奥尔巴尼分校）
本研究通过分析2024-2025年联合网络安全公告的合著网络，揭示CISA、FBI和NSA为协调核心，NSA及英澳机构为关键桥梁，并发布首个可复现数据集。
2025-10-22 cs.CR cs.CY
CyberCertBench: Evaluating LLMs in Cybersecurity Certification Knowledge
本文提出CyberCertBench，通过行业认证试题评估大语言模型的网络安全知识，验证了前沿模型在通用知识上的表现，但其在特定厂商标准问题上的准确性下降。
2026-04-22 cs.AI cs.CR
Integrating Graph Theoretical Approaches in Cybersecurity Education CSCI-RTED
本文开发了融入图论概念的增强版NSL-KDD数据集，用于网络安全教育，并通过IBM Auto AI验证了其在分类和威胁预测中的有效性，为培养未来网络安全专业人员提供了实用工具。
2025-04-23 cs.CR cs.CY
RelExt: Relation Extraction using Deep Learning approaches for Cybersecurity Knowledge Graph Improvement
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）；Laboratory for Physical Sciences（物理科学实验室）
在“安全运营中心”（SoC）工作的安全分析师在确保组织的安全方面发挥着重要作用。他们拥有的关于不断发展的和新的攻击的背景知识的数量在他们检测攻击的能力上有很大的不同。开源威胁情报源，如关于网络攻击的文本描述，可以以结构化的方式存储在网络安全知识图谱中。网络安全知识图谱在帮助安全分析师检测网络威胁方面可能是至关重要的，因为它以可以查询的语义三元组的形式存储了大量的网络威胁信息。语义三元组包含两个网络安全实体，它们之间存在关系。在这项工作中，我们提出了一个系统来创建语义三元组的网络安全文本，使用深度学习方法来提取可能的关系。我们使用通过我们的系统生成的语义三元组的集合来在网络安全知识图谱中断言。安全分析师可以从知识图谱中检索这些数据，并使用这些信息来形成有关网络攻击的决策。
2019-05-16 cs.AI cs.CL cs.CR
Airport Cyber Security and Cyber Resilience Controls
网络安全恐慌是与互联网技术的出现和普及相关的主要缺点领域。虽然互联网改善了生活和业务流程，但安全威胁的水平也在成比例地增加。因此，网络和相关的网络系统使世界处于持续警惕的状态，因为存在攻击的威胁。犯罪分子不断尝试对各种基础设施和企业进行网络安全防御。机场是网络安全意味着很多事情的一些领域。机场网络安全的关键性在于互联网和计算机系统在机场运营中的高度整合。本文是关于机场网络安全和弹性控制的。在文章的开头是一个全面的介绍，提供了整个内容的预览。本文从机场情报分类、网络安全恶意威胁分析、研究方法论等方面进行了探讨。一个简洁的结论标志着文章的结束。
2019-08-26 cs.CR cs.CY
A Characterization of Cybersecurity Posture from Network Telescope Data
数据驱动的网络安全态势的理解是一个尚未充分探讨的重要问题。在本文中，我们分析了CAIDA的网络望远镜在2013年3月期间收集的一些实际数据。我们建议从三种时间序列的角度来形式化网络安全态势的概念：受害者数量（即，受到攻击的望远镜IP地址）、望远镜观察到的攻击者数量以及望远镜观察到的攻击数量。因此，表征网络安全态势就变成了调查这些时间序列所表现出的现象和统计特性，并解释其网络安全意义。例如，我们提出了{ \em扫描时间}的概念，并指出扫描时间应该用随机过程而不是随机变量来建模。我们报告说，来自某个国家的攻击者（和攻击）的数量占望远镜观察到的攻击者（和攻击）总数的主导地位。我们还表明，相当小的网络望远镜可能不如一个大望远镜有用。
2016-03-24 cs.CR stat.AP
Graph Mining for Cybersecurity: A Survey
Beijing University of Posts and Telecommunications（北京邮电大学）；Sichuan University（四川大学）；University of Notre Dame（圣母大学）
本文全面综述了图挖掘在网络安全中的应用，涵盖网络安全任务、典型图挖掘技术、应用流程及不同任务的解决方案，并收集了开放数据集与工具包，展望了未来研究方向。
2023-10-16 cs.AI cs.CR cs.SI
Artificial Neural Network for Cybersecurity: A Comprehensive Review
网络安全是一个非常新兴的领域，可以保护系统、网络和数据免受数字攻击。随着互联网规模的增加和网络攻击的演变，开发新的网络安全工具变得非常重要，特别是对于物联网（IoT）网络。本文对深度学习（DL）方法在网络安全中的应用进行了系统的综述。本文简要介绍了用于网络安全的深度学习方法，包括深度信念网络、生成对抗网络、递归神经网络等。接下来，我们将说明浅层学习和深度学习之间的区别。此外，还讨论了物联网和其他网络中当前流行的网络攻击，以及DL方法管理这些攻击的有效性。此外，本文还介绍了重点介绍DL技术、网络安全应用和数据集来源的研究。接下来，讨论DL系统用于恶意软件检测和分类、入侵检测和其他频繁的网络攻击（包括识别文件类型、垃圾邮件和网络流量）的可行性。我们的综述表明，当应用于自定义数据集时，受限玻尔兹曼机（RBM）获得了99.72%的高分类准确率，而长短期记忆（LSTM）在KDD Cup 99数据集上达到了99.80%的准确率。最后，本文讨论了网络安全对于可靠和实用的物联网驱动的医疗保健系统的重要性。
2021-06-20 cs.CR cs.LG eess.SP
A Serious Game for Simulating Cyberattacks to Teach Cybersecurity
针对传统网络安全意识培训效果衰减的问题，研究团队开发了一款让玩家以攻击者视角模拟撰写钓鱼邮件等攻击的新型严肃游戏，帮助学习者更深入地理解并识别网络攻击。
2023-05-04 cs.CR cs.CY cs.HC
Leveraging Large Language Models for Cybersecurity Risk Assessment -- A Case from Forestry Cyber-Physical Systems
Chalmers University of Technology（楚德斯技术大学）；University of Gothenburg（哥德堡大学）；Carnegie Mellon University（卡内基梅隆大学）；RISE Research Institutes of Sweden（瑞典RISE研究机构）
本文探讨了利用本地托管的大型语言模型结合检索增强生成技术支持林业信息物理系统网络安全风险评估，通过设计科学研究验证了其能辅助专家生成评估、识别威胁并提供冗余检查，同时强调了人工监督的必要性。
2025-10-11 cs.AI cs.CR cs.SE
Review, Meta-Taxonomy, and Use Cases of Cyberattack Taxonomies of Manufacturing Cybersecurity Threat Attributes and Countermeasures
全面系统地了解网络攻击的不同要素对于开发必要的工具来预防、检测、诊断和缓解制造系统中的网络攻击至关重要。作为回应，研究人员提出了几种攻击分类法，作为识别和分类各种网络攻击属性的方法。然而，这些分类法根据研究重点涵盖了选定的攻击属性，有时还伴随着不一致的命名和定义。这些看似不同的分类法通常重叠，可以相互补充，以创建目前文献中缺少的网络攻击属性的全面知识库。此外，从使用分类法创建结构化知识到将此结构应用于网络安全工具开发并帮助从业者使用它，还缺少一个环节。为了应对这些挑战，本文重点介绍了如何使用网络攻击分类法来更好地理解和表征制造网络安全威胁。它还回顾和分析了当前制造业网络安全威胁属性和对策的分类，以及现有分类的范围和覆盖范围的扩散。因此，这些分类被编译成智能制造领域更全面、更一致的元分类。由此产生的元分类法提供了对当前分类法的整体分析，并将它们集成到统一的结构中。基于此结构，本文确定了当前攻击分类的差距，并为未来的改进提供了方向。最后，本文介绍了智能制造系统中攻击分类的潜在用例，用于评估安全威胁及其相关风险，制定风险缓解策略，并为网络安全框架的应用提供信息。
2023-03-21 cs.CR cs.SY eess.SY
The Road of Adaptive AI for Precision in Cybersecurity
AI Research at Averlon Redmond, WA（Averlon人工智能研究部）
本文探讨了适应性AI在网络安全中的应用，提出通过持续适应提升生成式AI的精准性与稳健性，为网络安全防御提供实用指导和研究方向。
2025-12-05 cs.AI cs.CL cs.CR
Building Resilience in Cybersecurity -- An Artificial Lab Approach
基于经典传染模型构建复杂网络系统的数字孪生体（人工网络实验室），通过数值案例研究识别出安全性与拓扑结构两类系统性网络风险控制措施，并探讨其在保险与监管实践中的应用。
2023-09-07 cs.CR cs.SI cs.SY
