Dynamic Multiparty Authentication of Data Analytics Services within Cloud Environments
业务分析流程通常由经过编排的协作服务组成，这些服务由来自多个云系统（在不同的安全领域）的用户使用，需要在运行时动态参与。如果位于不同安全领域的异构云系统没有直接的身份验证关系，那么实现安全协作是一个相当大的技术挑战。为了解决这一安全挑战，需要一个新的身份验证框架，通过向会话的所有参与者分发公共会话密钥，在业务分析服务实例和用户之间建立信任。我们通过设计和实现一个安全的多方身份验证框架的动态交互，为不同的安全领域的成员表示需要访问编排的服务的情况下，这一挑战。这种新颖的框架利用了不同安全领域中的会话成员之间的信任关系，使用户能够获得访问远程领域中的云资源的安全凭证。该机制帮助云会话用户验证其会话成员身份，从而提高多方会话中验证过程的性能。我们看到这个框架的适用性超越了多个云基础设施，适用于任何可能存在多个安全领域的场景，例如新兴的物联网（IoT）。
2019-01-10 cs.CR
A Predictive Framework for Cyber Security Analytics using Attack Graphs
安全度量是组织了解保护计算机网络的有效性的有力工具。然而，大多数这些测量技术不足以帮助企业做出明智的风险管理决策。在本文中，我们提出了一个随机的安全框架，通过考虑到动态属性与漏洞，可以随着时间的推移而变化，以获得定量的安全措施。我们的模型是新颖的，因为现有的攻击图分析研究没有考虑与漏洞相关的时间方面，例如漏洞和补丁的可用性，这些漏洞和补丁可以根据漏洞如何互连和利用来危害系统来影响整体网络安全。为了有一个更现实的表示网络的安全状态将如何随着时间的推移而变化，开发了一个非齐次模型，其中包括一个依赖于时间的协变量，即脆弱性年龄。每日转移概率矩阵估计使用弗雷的脆弱性模型。我们还利用可信的CVSS度量域来分析给定网络的总可利用性和影响度量在一段时间内如何演变。
2015-02-04 cs.CR
Enhancing Cyber Security Through Predictive Analytics: Real-Time Threat Detection and Response
本研究基于2,000条网络流量记录评估预测分析在实时攻击检测与SOC响应中的作用，证明上下文特征可提升分类准确性并减少误报。
2025-08-30 cs.CR
Data Analytics-enabled Intrusion Detection: Evaluations of ToN_IoT Linux Datasets
随着人工智能（AI）安全应用的广泛应用，需要收集异构和可扩展的数据源，以有效地评估安全应用的性能。本文介绍了新的数据集，命名为ToN物联网数据集，包括分布式数据源收集的物联网（IoT）服务的遥测数据集，Windows和Linux的操作系统数据集，和网络流量的数据集。本文旨在描述一种新的测试床架构，用于从硬盘、内存和进程的审计跟踪中收集Linux数据集。该架构设计在边缘、雾和云三个分布式层中。边缘层包括物联网和网络系统，雾层包括虚拟机和网关，云层包括与其他两层连接的数据分析和可视化工具。这些层通过使用VMware NSX和vCloud NFV平台的软件定义网络（SDN）和网络功能虚拟化（NFV）进行编程控制。Linux ToN物联网数据集将用于训练和验证各种新的联合和分布式AI安全解决方案，如入侵检测，威胁情报，隐私保护和数字取证。采用各种数据分析和机器学习方法来确定数据集在检查特征工程、合法和安全事件的统计以及安全事件的可靠性方面的保真度。这些数据集可以从[1]公开访问。
2020-10-04 cs.CR
Integrating Log-Based Security Analytics in Agile Workflows: A Real-World Experience Report
Virginia Tech（弗吉尼亚理工大学）
本文探讨了在敏捷工作流中整合基于日志的安全分析的挑战与实践，通过Red Flag项目案例，分析了开发人员对日志欺诈检测系统的接受度、遇到的挑战及对日常开发的影响，总结了关键经验与最佳实践。
2026-05-01 cs.CR cs.SE
Securing Manufacturing Intelligence for the Industrial Internet of Things
对预测分析这一新兴领域的广泛兴趣正在推动制造业等行业探索收集和管理工业物联网（IIoT）设备提供的数据的新方法。通常，商业智能（BI）的分析处理是一项密集的任务，它既提供了竞争优势的机会，也存在可能丢失知识产权（IP）的安全漏洞。本文探讨了在制造领域保护BI的两种方法。仿真结果表明，一个统一的威胁管理（UTM）模型是更简单的维护和潜在的漏洞比分布式安全模型。相反，分布式安全模型的性能优于UTM模型，并为现有硬件资源的使用提供了更大的范围。总之，提出了一种混合安全模型，其中安全控制被隔离到多云架构中。
2019-01-22 cs.CR
Test Security in Remote Testing Age: Perspectives from Process Data Analytics and AI
Educational Testing Service（教育考试服务中心）
本文探讨远程考试安全面临的AI作弊新挑战，提出利用点击流过程数据的数据分析和AI方法深入洞察作答过程，以保障远程高风险考试的安全。
2024-11-22 cs.CL cs.CR cs.HC
IoT Analytics and Blockchain
物联网（IoT）正在通过将日常使用的设备（Things）互连并使其智能化的想法来彻底改变人类生活。通过在设备之间建立通信网络，物联网系统有助于自动化任务，并使其高效和强大。通过网络连接的传感器和物理世界涉及大量数据。数据汇集和共享具有通过网络被窃取和操纵的严重威胁。物联网系统中这些不充分的数据安全和隐私问题引发了人们对维护物联网数据身份验证的担忧。区块链是一种抗诱惑的分类账，已成为提供安全功能的可行替代方案。具有分散结构的区块链技术可以帮助解决物联网结构问题，并防止单点故障。在提供强大的安全功能的同时，区块链还面临着物联网环境中的各种关键挑战。本文介绍了一项关于最先进的区块链技术的调查，重点关注物联网应用。通过区块链协议和数据结构，概述了物联网应用程序以及可能的改进和修改。
2021-12-26 cs.CR
Modeling the Impact of Network Connectivity on Consensus Security of Proof-of-Work Blockchain
区块链是流行的比特币背后的技术，被认为是一种“设计安全”系统，因为它旨在在一群不信任的各方之间创造安全，但没有一个中央可信的权威。区块链的安全性依赖于诚实多数的前提，即只要大多数共识投票权是诚实的，区块链系统就被认为是安全的。在工作量证明（PoW）区块链的情况下，对手无法控制超过50%的网络总计算能力。然而，这个50%的阈值仅基于对计算能力的分析，对网络和节点行为进行了隐含和理想化的假设。最近的研究表明，网络连接、区块链分叉的存在和挖掘策略等因素可能会破坏诚实多数所保证的共识安全性，但既没有提供具体的分析，也没有提供定量的评估。在本文中，我们通过提出一个分析模型来评估网络连接对不同对手模型下PoW区块链共识安全性的影响，从而填补了这一空白。我们将我们的分析模型应用于两种对抗场景：1）诚实但潜在的勾结，2）自私的挖掘。对于每一种情况下，我们量化的分叉比赛中所涉及的节点的通信能力，估计对手的挖掘收入和它的安全属性的共识协议的影响。仿真结果验证了我们的分析。我们的建模和分析提供了一个范例，用于评估各种因素在分布式共识系统的安全影响。
2020-08-31 cs.CR
How UAVs' Highly Dynamic 3D Movement Improves Network Security?
无人机协作自组网需要必要的安全服务来保证其通信安全。密码学作为提供安全服务不可或缺的工具，需要一个健壮的密钥管理系统。遗憾的是，合作网络中基础设施的缺乏导致提供传统密钥管理系统的不可行性。密钥预分配方案由于其轻量级的特性，在不同的协作网络中表现出良好的性能。然而，中间解密-加密（DE）步骤和缺乏密钥更新是他们遭受的最令人担忧的问题。在本文中，我们提出了一个简单而有效的密钥管理算法的思想的启发，密钥预分配，它利用高度动态的无人机节点在3D空间中的运动，以提供密钥更新功能，并优化了中间DE步骤的数量。虽然这是一个通用的模型，任何移动自组织网络，我们选择了无人机网络作为一个例子域显示的效率模型的高流动性。我们定义的通信密度参数分析表明，使用任何高度动态的随机运动模式，使我们的算法有效地工作。为了证明所提出的算法的有效性，我们详尽地分析了它的安全性和性能在无人机网络中使用ns-3网络模拟器。结果验证了我们的分析结果，并显示了高度动态的无人机网络运动如何帮助我们的算法提供关键的更新功能，并优化DE步骤的数量。
2021-05-06 cs.CR
Graph-based Security and Privacy Analytics via Collective Classification with Joint Weight Learning and Propagation
Duke University（杜克大学）
许多安全和隐私问题可以建模为图分类问题，其中图中的节点同时被集体分类。用于这种基于图的安全和隐私分析的现有技术的集体分类方法遵循以下范例：向图的边分配权重，在加权图之间迭代地传播节点的信誉分数，以及使用最终信誉分数来对图中的节点进行分类。关键的挑战是分配边权重，使得如果两个对应的节点具有相同的标签，则边具有大的权重，否则具有小的权重。虽然集体分类已经被研究和应用于安全和隐私问题十多年，但如何应对这一挑战仍然是一个悬而未决的问题。在这项工作中，我们提出了一个新的集体分类框架，以解决这一长期存在的挑战。我们首先将学习边权重表示为一个优化问题，它量化了我们要实现的最终声誉得分的目标。然而，这是计算上难以解决的优化问题，因为最终的信誉分数取决于边缘权重在一个非常复杂的方式。为了解决计算挑战，我们建议联合学习边缘权重并传播声誉分数，这本质上是优化问题的近似解决方案。我们将我们的框架与最先进的基于图的安全和隐私分析方法进行比较，这些方法使用来自各种应用场景的四个大规模真实世界数据集，例如社交网络中的Sybil检测，Yelp中的虚假评论检测和属性推理攻击。我们的研究结果表明，我们的框架实现了更高的精度比国家的最先进的方法与可接受的计算开销。
2020-05-27 cs.CR cs.LG
Advanced Analytics for Connected Cars Cyber Security
车载互联革命正在推动汽车行业数十年来最重大的变革。然而，随着现代汽车变得更加互联，它们也变得更容易受到网络攻击。在本文中，提出了一种完全有效的机器学习方法来保护联网车辆（车队和个人）免受此类攻击。我们提出了一个系统，监控不同的车辆的接口（网络，CAN和OS），提取相关信息的基础上可配置的规则，并将其发送到一个训练有素的生成模型，以检测偏离正常行为。使用可配置的数据收集器，我们提供了更高级别的数据抽象，因为模型是基于事件而不是原始数据进行训练的，这具有噪声过滤效果，并且无需在协议更改时重新训练模型。我们提出了一种新的方法来检测异常，量身定制的时间性质，我们的域。将Gutflaish等人（2017）的混合方法适用于全时间设置，我们首先训练隐马尔可夫模型来学习正常的车辆行为，然后使用回归模型来校准异常的可能性阈值。使用这种架构，我们的方法检测复杂和现实的异常，这是错过了其他现有的方法只监测CAN总线。我们还证明了自适应阈值优于静态阈值。此外，我们的方法可以有效地扩展，从监控单个汽车到服务大型车队。我们通过令人鼓舞的实证结果证明了我们的模型的竞争优势。
2017-11-08 cs.CR
Privacy-preserving Graph Analytics: Secure Generation and Federated Learning
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Arizona State University（亚利桑那州立大学）
直接从国土安全企业的安全相关的应用程序的动机，我们专注于图数据的隐私保护分析，它提供了重要的能力来表示丰富的属性和关系。特别是，我们讨论了两个方向，即隐私保护图生成和联邦图学习，这可以共同实现每个拥有私有图数据的多方之间的协作。对于每一个方向，我们都确定了“速赢”和“难题”。最后，我们展示了一个用户界面，可以促进模型的解释，解释和可视化。我们相信，在这些方向上开发的技术将大大提高国土安全企业应对和减轻各种安全风险的能力。
2022-06-30 cs.CR cs.LG
Using the decision support algorithms combining different security policies
在现代信息系统安全子系统的开发过程中，经常会遇到多个访问控制模型的联合实现问题。传统上，在所有活动的安全策略同时具有访问权限的情况下，授予用户访问资源的请求。当安全策略的决定之间存在冲突时，授予访问权限的问题仍然是开放的。所提出的方法相结合的多个安全策略是基于决策支持算法，并提供了一个响应的访问请求，即使在各种决定的积极的安全策略。为了构造组合算法，我们确定了一些权重系数，使用单个安全策略的清除级别的加权和，并应用层次分析法。权重系数是算法的可调参数，允许管理员灵活管理各种安全规则的影响。
2018-12-19 cs.CR
Cognitive Threat Intelligence and Explainable Federated Security Analytics for distributed Infrastructure Systems
Dept. of Information Studies, Trine University（信息研究系，特林大学）；Dept. of Business Information Systems, Central Michigan University（商业信息系统系，中央密歇根大学）；Dept. of CS, Maharishi International University（计算机科学系， Maharishi 国际大学）
提出一种集成联邦学习、可解释人工智能和认知网络安全分析的框架，用于分布式基础设施系统的协作式隐私保护威胁检测。
2026-06-04 cs.AI cs.CR
SoK: Modeling Explainability in Security Analytics for Interpretability, Trustworthiness, and Usability
Rochester Institute of Technology（罗切斯特理工学院）；Toyota Motor North America（丰田汽车北美公司）；University of Florida（佛罗里达大学）
该研究针对安全领域深度学习黑箱模型的解释需求，分析现有可解释方法的缺陷，提出可信解释需满足的特性，为安全场景下的可解释AI研究提供基准参考。
2023-06-13 cs.CR cs.LG
The Queen's Guard: A Secure Enforcement of Fine-grained Access Control In Distributed Data Analytics Platforms
本文针对分布式数据分析平台缺乏细粒度访问控制且易受API滥用攻击的问题，提出主动与被动两层防御系统及支持map和filter原语的细粒度访问控制框架，并在Apache Spark上实现SecureDL系统，以低开销实现安全策略执行。
2023-12-04 cs.CR
K-Metamodes: frequency- and ensemble-based distributed k-modes clustering for security analytics
Hasso Plattner Institute（哈索·普拉特纳研究所）
目前，对日志信息等安全大数据的处理通常用于入侵检测。它的异构性，以及组合的数值和分类属性不允许应用现有的数据采掘方法直接对数据进行特征预处理。因此，一个相当昂贵的计算转换的分类属性到向量空间应用于分析这样的数据。然而，一个众所周知的k-modes算法允许直接聚类分类数据，避免转换到向量空间。用于大数据处理的k模式的现有实现是基于集合的，并利用两步聚类，其中数据子集首先独立地聚类，而得到的聚类模式再次聚类，以便计算对所有数据子集有效的元模型。在本文中，新的频率为基础的距离函数提出的第二步，基于集合的k-模式聚类。除此之外，现有的功能离散化方法，从以前的工作，以适应k模式的混合数据集的处理。在两个公共安全数据集上进行了测试，结果表明，该算法与已有的算法相比具有更高的有效性。
2019-09-30 cs.CR cs.LG stat.ML
Quantitative Models of Imperfect Deception in Network Security using Signaling Games with Evidence
欺骗在通信和网络安全的许多交互中起着关键作用。被称为“廉价谈话信号游戏”的博弈论模型捕捉了欺骗性互动的动态和信息不对称性质。但信号游戏本质上是模仿不可察觉的欺骗。在本文中，我们研究了一个信号博弈模型，在该模型中，接收方可以检测到欺骗与一定的概率。该模型嵌套传统的信号博弈和完全信息Stackelberg博弈作为特例。我们提出了纯策略完美贝叶斯纳什均衡的游戏。然后，我们说明这些分析结果与应用程序的主动网络防御。证据的存在迫使大多数人采取诚实的行为，并消除了一些纯策略均衡。它总是有利于被欺骗的玩家，但令人惊讶的是，有时也有利于欺骗的玩家。
2017-10-16 cs.CR
Security and Privacy in Big Data Sharing: State-of-the-Art and Research Directions
大数据共享（Big Data Sharing，BDS）是指数据所有者共享数据，使用户能够根据协议查找、访问和使用数据的行为。近年来，由于其广泛的应用，例如大数据交易和跨域数据分析，BDS已经成为一个新兴的话题。然而，由于BDS平台涉及多方，因此出现了安全和隐私侵犯问题。已经有许多解决方案用于在不同的大数据操作中增强安全性和保护隐私（例如，数据操作、数据检索、数据共享和数据外包）。据我们所知，目前还没有专门针对这些安全和隐私解决方案的广泛和系统性发展的调查。在这项研究中，我们对为解决BDS中的安全和隐私问题而引入的最先进的解决方案进行了全面调查。为了更好地理解，我们首先介绍了BDS的一般模型，并确定了安全和隐私要求。我们根据确定的要求讨论和分类最先进的BDS安全和隐私解决方案。最后，基于所获得的见解，我们提出并讨论了新的有前途的研究方向。
2022-10-17 cs.CR
AoI-Guided Client Selection for Robust and Timely Federated Intrusion Detection in Cloud-Edge Security Analytics
King's College London（伦敦国王学院）
本文研究了在云边安全分析中如何通过时延感知的客户端选择提升联邦入侵检测的及时性和鲁棒性，提出三种轻量级策略并验证其有效性。
2026-05-07 cs.CR cs.DL
From 5G to 6G: A Survey on Security, Privacy, and Standardization Pathways
本文综述6G协议的安全与隐私问题，分析IoT、边缘计算和AI集成带来的风险，考察评估框架并提出定制化缓解策略与标准化路径。
2024-10-04 cs.CR
A Throughput-Oriented Analytical Model for Post-Quantum Security Protocols
nodeQ Limited（nodeQ有限公司）
本文提出一种面向吞吐量的分析模型，为TLS和SSH中后量子安全连接建立速率提供上界，并通过实验验证其准确性，进而支持多端点资源分配优化。
2026-09-23 cs.CR cs.ET cs.NI
Polarization-Based Security: Safeguarding Wireless Communications at the Physical Layer
针对物理层安全中直接操控电磁场研究不足的问题，提出基于 Mueller 计算的极化安全理论框架，并给出性能指标与三种增强技术。
2023-07-14 cs.CR eess.SP
Dynamic real-time risk analytics of uncontrollable states in complex internet of things systems, cyber risk at the edge
物联网（IoT）引发了新型的网络风险。因此，新物联网设备和服务的集成需要对物联网网络安全态势进行自我评估。安全态势指的是组织预测、预防和应对网络威胁的网络安全实力。目前，技术水平存在差距，因为没有量化物联网网络风险态势的自我评估方法。为了解决这一差距，进行了实证分析的12个网络风险评估方法。分析的结果和主要发现被呈现为物联网系统的当前和目标风险状态，然后是关于转型路线图的结论和建议，描述物联网系统如何通过新的目标导向依赖模型实现目标状态。根据目标状态，我们指的是符合组织一般安全要求的网络安全目标。该研究论文研究并采用了物联网风险评估的四种替代方案，并将目标导向的依赖模型确定为所研究的风险评估模型中的主导方法。本文中的新目标导向依赖模型可以评估复杂物联网系统中的不可控风险状态，并可用于物联网网络风险态势的定量自我评估。
2020-11-23 cs.CR cs.CY
StreamBox-TZ: Secure Stream Analytics at the Edge with TrustZone
虽然在云边缘处理大量的物联网数据流是很有吸引力的，但这样做会将数据暴露给边缘上复杂、易受攻击的软件堆栈，从而带来安全威胁。为此，我们主张将数据及其计算隔离在边缘的可信执行环境（TEE）中，将它们与我们认为不可信的剩余边缘软件堆栈隔离开来。这种方法面临两个主要挑战：（1）在单个TEE中执行高吞吐量、低延迟的流分析，这受到低可信计算基础（TCB）和有限物理内存的限制;（2）验证流分析的执行，因为执行涉及边缘上的不可信软件组件。作为回应，我们提出了StreamBox-TZ（SBT），这是一个用于边缘平台的流分析引擎，可提供强大的数据安全性，可验证的结果和良好的性能。SBT为基于ARM TrustZone的TEE提供了一个设计和优化的数据平面。它支持持续的远程认证，以确保分析正确性和结果新鲜度，同时产生低开销。SBT仅向TCB添加42.5 KB的可执行文件（占整个TCB的16%）。在八核ARMv 8平台上，它通过以亚秒级延迟处理高达140 MB/秒（12 M事件/秒）的输入事件来提供最先进的性能。SBT的安全机制所产生的开销小于25%。
2019-06-05 cs.CR cs.DC cs.OS
ORQ: Complex Analytics on Private Data with Strong Security Guarantees
Boston University（波士顿大学）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
提出ORQ系统，利用安全多方计算实现私有数据协作分析，通过消除二次方安全连接成本、设计通用不透明算子和数据并行向量化引擎，显著降低MPC执行时间并支持更大规模数据集。
2026-06-24 cs.CR cs.DB
Federated TON_IoT Windows Datasets for Evaluating AI-based Security Applications
现有的网络安全解决方案基本上是使用基于知识的模型开发的，这些模型通常无法触发新的网络攻击家族。随着人工智能（AI），特别是深度学习（DL）算法的蓬勃发展，这些安全解决方案已经插入了AI模型，以发现、跟踪、缓解或响应新的安全事件。这些算法需要大量的异构数据源来训练和验证新的安全系统。本文介绍了新数据集的描述，即所谓的ToN_IoT，它涉及从物联网服务的遥测数据集、Windows和Linux的操作系统数据集以及网络流量数据集收集的联合数据源。本文介绍了Windows操作系统的TON_IoT数据集的测试床和描述。该测试平台分为边缘层、雾层和云层。边缘层涉及物联网和网络设备，雾层包含虚拟机和网关，云层涉及与其他两层链接的云服务，如数据分析。这些层使用软件定义网络（SDN）平台和网络功能虚拟化（NFV）平台（使用VMware NSX和vCloud NFV平台）进行动态管理。Windows数据集是从内存、处理器、网络、进程和硬盘的审计跟踪中收集的。这些数据集将用于评估各种基于人工智能的网络安全解决方案，包括入侵检测、威胁情报和狩猎、隐私保护和数字取证。这是因为数据集具有广泛的近期正常和攻击特征和观察，以及真实的地面实况事件。这些数据集可以通过此链接公开访问[1]。
2020-10-04 cs.CR
Security-Performance Tradeoffs of Inheritance based Key Predistribution for Wireless Sensor Networks
密钥预分配是用于经由加密来确保以自组织方式部署以形成传感器网络的传感器之间的安全通信的公知技术。在本文中，我们提出了一种新的2阶段技术的基础上继承和随机密钥分配从给定的密钥池到单个传感器节点的组合密钥预分配。我们还开发了一个分析框架，用于测量不同的密钥分发方案的安全性能权衡，提供测量传感器网络的连接和弹性的指标，以敌人的攻击。特别是，我们分析表明，2-阶段计划提供了更好的平均连接和优越的$q$复合连接比随机计划。然后，我们证明了一个通信链路的抗毁性下任意数量的节点捕获的对手是2阶段计划下的更高。具有独占密钥的通信节点对的概率在2阶段方案下也随着网络大小更好地缩放。我们还分析表明，在传感器网络中的任意通信链路的脆弱性，以单节点捕获是较低的2阶段假设网络范围内以及本地化的捕获。仿真结果还表明，任何两个节点之间共享的排他密钥的数量是较高的，而$q$复合链路的数量被破坏时，一定数量的节点被捕获的敌人下的2-阶段计划相比，随机的。
2004-06-21 cs.CR cs.NI
Larger-scale Nakamoto-style Blockchains Don't Necessarily Offer Better Security
该研究针对中本聪式区块链规模与安全性的矛盾结论，引入概率腐化模型分析节点数对安全的双重影响，通过多主流链的大规模节点模拟验证结论，首次系统探究真实部署中的安全权衡。
2024-04-15 cs.CR
The Internet of Things: Secure Distributed Inference
连接到物联网（IoT）的设备数量的增长对安全性提出了重大挑战。数据和数据分析的完整性和可信度是物联网应用中越来越重要的问题。物联网设备的高度分布式特性使这些问题变得更加复杂，这使得防止对所有数据源的攻击和入侵变得不可行。攻击者可能会劫持设备并破坏其数据。因此，入侵检测和弹性分析等反应性对策成为安全性的重要组成部分。本文概述了物联网中安全分布式推理的算法。
2018-06-24 cs.CR cs.DC
Autonomous Adaptive Security Framework for 5G-Enabled IoT
本文针对5G赋能物联网面临的安全脆弱性问题，提出新的自适应安全智能策略，并开发了基于闭环分析反馈的自主自适应安全框架，以动态自主防护5G-IoT应用。
2024-06-04 cs.CR cs.DC
A Supervisory Control Approach to Dynamic Cyber-Security
University of Michigan, Ann Arbor, MI（密歇根大学安娜堡分校）
本文提出动态网络安全问题的分析方法，从防御者角度建模为具有不完全信息的监督控制问题，通过动态规划确定最优防御策略，并分析参数变化对策略的影响。
2014-09-10 cs.CR cs.SY eess.SY
Data Science Methodology for Cybersecurity Projects
网络安全解决方案传统上是静态的，基于签名。传统的解决方案以及分析模型、机器学习和大数据的使用可以通过自动触发缓解或提供相关意识来控制或限制威胁的后果来改进。这种智能解决方案涵盖在数据科学网络安全的背景下。数据科学通过利用数据（和大数据）、高性能计算和数据采掘（以及机器学习）的力量来保护用户免受网络犯罪的侵害，在网络安全方面发挥着重要作用。为此，一个成功的数据科学项目需要一种有效的方法来涵盖所有问题并提供足够的资源。在本文中，我们将介绍流行的数据科学方法，并将根据网络安全挑战对它们进行比较。还进行了比较讨论，以解释网络安全项目的方法优势和劣势。
2018-03-12 cs.CR cs.CY
Blockchain for Data Sharing at the Network Edge: Trade-Off Between Capability and Security
区块链是一种很有前途的技术，可以在网络边缘实现分布式和可靠的数据共享。区块链的高安全性无疑是网络处理重要数据项的关键因素。另一方面，根据区块链的困境，过度强调分布式安全会导致交易处理能力差，这限制了区块链在高吞吐量和低延迟要求的数据共享场景中的应用。为了实现面向需求的分布式服务，本文从块传播和分叉问题的角度研究了区块链中能力和安全性之间的关系。首先，引入马尔可夫链分析边缘服务器间基于流言的块传播，推导出块传播延迟和分叉概率。然后，我们研究了分叉对区块链能力和安全指标的影响，包括交易吞吐量，确认延迟，容错和恶意修改的概率。分析结果表明，随着块生成时间或块大小的调整，在牺牲容错的情况下提高了事务吞吐量，反之亦然。同时，可以通过调整确认阈值来抵消安全性的下降，代价是增加了确认延迟。能力-安全权衡分析可以为基于数据共享场景需求的区块链性能管理提供理论指导。
2022-12-08 cs.CR cs.DC
Adaptive-Shot Hybrid Quantum Anomaly Detection for Tactile Internet Security: Reliability-Aware Measurement Allocation Under Resource Constraints
Iowa State University（爱荷华州立大学）；Grand Valley State University（大峡谷州立大学）；Kansas State University（堪萨斯州立大学）
针对触觉互联网安全，提出自适应射击变分量子电路策略，动态分配量子测量次数，在资源约束下平衡决策可靠性与资源消耗，显著节省射击次数并保持低决策分歧。
2026-10-06 cs.CR cs.LG cs.NI
Indistinguishability of Sum of Permutations: A Fourier Analytic Route to Classical and Quantum Security
CRC, TII（阿布扎比计算研究中心与技术创新研究所）；Shandong University（山东大学）；University of Wuppertal（伍珀塔尔大学）
本文通过傅里叶分析统一研究排列之和的经典与量子不可区分性，给出改进的安全界，并分析变体构造的安全性与攻击阈值。
2026-09-29 cs.CR math.CO
Towards the Science of Security and Privacy in Machine Learning
Pennsylvania State University（宾夕法尼亚州立大学）；University of Michigan（密歇根大学）
近年来，机器学习（ML）的进步已经实现了一系列令人眼花缭乱的应用，如数据分析、自治系统和安全诊断。机器学习现在是无处不在的-新的系统和模型正在部署在每一个领域可以想象，导致快速和广泛的部署基于软件的推理和决策。越来越多的人认识到ML暴露了软件系统中的新漏洞，但技术社区对这些漏洞的性质和程度的理解仍然有限。我们将最近关于ML安全和隐私的发现系统化，重点关注在这些系统上发现的攻击和迄今为止精心制作的防御。我们阐述了ML的全面威胁模型，并在对抗框架内对攻击和防御进行分类。从ML和安全社区的工作中产生的关键见解被确定，方法的有效性与ML算法的结构元素和用于训练它们的数据有关。最后，我们正式探索了模型准确性和对抗性操纵弹性之间的对立关系。通过这些探索，我们表明，模型的复杂性，准确性和弹性之间存在（可能不可避免的）紧张关系，必须针对使用它们的环境进行校准。
2016-11-11 cs.CR cs.LG
Multi-Layered Blockchain Governance Game
该研究设计了一个新的集成系统，通过防止攻击者的破坏来增强分散网络的安全性，特别是针对51%攻击。基于区块链治理游戏框架的多层设计概念可以分析处理多个网络。多层区块链治理游戏是一种创新的分析模型，旨在找到执行安全操作的最佳策略，以保护整个多层网络系统免受攻击。本研究以简洁的数学形式对复杂网络进行了全面的分析，得到了预测安全操作执行时刻的理论上易于处理的结果。此外，仿真结果表明，以获得基于区块链的安全网络的配置参数的最佳值。用于模拟的Matlab代码是公开的，可以帮助那些通过这个建议的集成理论框架构建增强的分散式安全网络架构的人。
2022-01-14 cs.CR cs.NI math.PR
From Cyber-Security Deception To Manipulation and Gratification Through Gamification
随着网络功能和服务的不断增长，攻击面呈指数级增长，此外，网络架构的复杂性增加了网络防御的复杂性，为此，欺骗的使用最近在学术界和工业界都成为趋势。欺骗可以创建主动防御系统，引诱攻击者，以便更好地保护手头的系统。目前的欺骗应用，只依赖于静态的，或低交互的环境。在本文中，我们提出了一个平台，结合了人机交互，分析，游戏化和欺骗，以引诱恶意用户进入选定的陷阱，同时激起他们的兴趣。此外，我们通过添加叙述来分析该平台的交互欺骗性方面，进一步吸引恶意用户遵循预定义的路径并从关键网络系统转移攻击。
2019-03-21 cs.CR cs.HC
ARQ Security in Wi-Fi and RFID Networks
在本文中，我们提出了两个实用的基于ARQ的安全方案的Wi-Fi和RFID网络。我们提出的方案，分别提高了这些网络的机密性和真实性功能。这两种方案都基于相同的思想;通过利用合法节点和潜在对手所经历的多径衰落之间的统计独立性，建立密钥，然后不断更新。这两种方案的连续密钥更新属性使它们能够抵御所有的被动窃听攻击和大多数目前已知的针对Wi-Fi或RFID网络的主动攻击。然而，每个方案都是量身定制的，以最好地满足其各自范式的要求。在Wi-Fi网络中，我们覆盖而不是完全取代当前的Wi-Fi安全协议。因此，我们的Wi-Fi方案可以通过对IEEE 802.11标准的微小修改来容易地实现。另一方面，所提出的RFID方案引入了第一个可证明安全的低成本RFID认证协议。所提出的方案施加的吞吐量安全权衡，通过我们的分析和实验结果，是实际上可以接受的。
2010-10-15 cs.CR cs.IT math.IT
AI-Driven Security in Cloud Computing: Enhancing Threat Detection, Automated Response, and Cyber Resilience
Colorado Technical University - Colorado Springs Campus（科罗拉多理工大学科罗拉多斯普林斯校区）
本文研究如何利用人工智能增强云安全，通过预测分析、行为威胁检测和AI驱动加密提升威胁检测与自动响应能力，并指出未来需结合区块链等技术进一步提升可靠性、模块化与伦理合规性。
2025-05-06 cs.AI cs.CR
Enhanced IoV Security Network by Using Blockchain Governance Game
本文讨论了使用区块链治理游戏（BGG）设计增强型车联网中的安全网络。BGG是一个随机博弈的系统模型，旨在寻找最佳策略，为防止攻击者的网络故障做好准备，本文将此博弈模型应用于联网车辆安全。决策参数的分析结果可以预测安全操作的时刻，并提供保留节点数量与备份节点接受概率的最佳组合，以保护联网汽车。这项研究有助于在分散的网络中考虑使用BGG的增强型安全IoV架构。
2021-01-07 cs.CR cs.GT cs.SY
Peer-group Behaviour Analytics of Windows Authentications Events Using Hierarchical Bayesian Modelling
网络安全分析师每天都会收到越来越多的警报。这主要是由于许多现有的方法来检测威胁的精度低，产生大量的误报。通常，在计算机网络内实现若干基于签名和统计的异常检测器以检测威胁。最近在用户和实体行为分析建模方面的努力揭示了如何通过更好地了解对等群体行为来减轻安全运营中心分析人员的负担。从统计学上讲，这项挑战包括准确地将具有相似行为的用户分组，然后识别出那些偏离同龄人的用户。这项工作提出了一种新的方法，对等组的行为建模的Windows身份验证事件，使用分层贝叶斯模型的原则。这是一个两阶段的方法，在第一阶段，对等组是基于数据驱动的方法，给定用户的个人身份验证模式。在第二阶段中，用户认证到不同实体的计数按小时聚合，并通过泊松分布建模，同时考虑到季节性成分和分层原则。最后，我们比较分组用户的基础上，他们的人力资源记录对数据驱动的方法，并提供经验证据减少警报的真实世界的认证数据集，从一个大的企业网。
2022-09-27 cs.CR stat.AP
Impact of Secondary User Communication on Security Communication of Primary User
最近，频谱共享被认为是提高频谱利用率的一种有前途的解决方案。然而，它可能容易受到安全问题的影响，因为主网络和辅助网络访问相同的资源。因此，在本文中，我们专注于在存在窃听者（EAV）谁非法监听主用户（PU）通信的认知无线电网络的性能分析，其中的次级发射机（SU-Tx）的发射功率受到SU-Tx的峰值发射功率和中断概率的联合约束。在此基础上，推导了SU的自适应发射功率策略和误符号概率的解析表达式。最重要的是，主网络的安全性评估的非零保密容量的存在概率和保密容量的中断概率。仿真结果表明，主网络的安全性不仅取决于主网络和辅网络之间的信道平均功率，还与SU-Tx到EAV链路的信道条件和SU-Tx的发射功率策略密切相关。
2014-08-29 cs.CR cs.IT cs.NI
Advanced Drone Swarm Security by Using Blockchain Governance Game
这项研究有助于基于区块链治理游戏（BGG）变体的先进智能无人机群网络的安全设计，BGG是预测攻击前安全行动时刻的理论游戏模型，以及区块链治理游戏战略联盟（SABGG），这是BGG变体之一，已被调整为构建最佳策略，以基于战略联盟采取初步行动，以保护区块链中的智能无人机-基于Swarm网络智能无人机是人工智能（AI）无人机，能够在没有任何指挥中心的情况下自主操作。SABGG的易于分析的解决方案使我们能够通过提供无人机预防攻击的最佳责任来估计采取初步行动的时刻。这种支持AI的无人机内的先进安全群网络是通过调整SABGG模型设计的。这项研究有助于用户开发一种新的网络架构级安全的智能无人机群，它是基于一个分散的网络。
2022-11-24 cs.CR cs.GT cs.SY
Bringing the Algorithms to the Data -- Secure Distributed Medical Analytics using the Personal Health Train (PHT-meDIC)
University Hospital Tübingen（图宾根大学医院）；University of Tübingen（图宾根大学）
对数据隐私和安全性的需求-通过日益严格的数据保护法规强制执行-使得医疗保健数据难以用于机器学习。特别是，不同医院之间的数据传输通常是不允许的，因此跨站点汇集数据不是一种选择。在GO-FAIR倡议中提出的个人健康训练（PHT）范例实现了一种“数据算法"范例，确保可以访问分布式数据进行分析，而无需传输任何敏感数据。我们提出PHT-medic，一个高效部署的PHT概念的开源实现。集装箱化使我们能够以安全和可扩展的方式在多个站点轻松部署复杂的数据分析管道（例如基因组学，图像分析）。我们将讨论基本的技术概念、安全模型和治理流程。该实现已成功应用于大规模数据的分布式分析，包括深度神经网络在医学图像数据中的应用。
2022-12-07 cs.CR cs.CY cs.DC
Contagion Effects of Heterogeneous Cyber Risk on Network Security and Systemic Stability
University of Bologna（博洛尼亚大学）；TIFPA-INFN（INFN特伦托前沿物理与技术研究所）
本文提出了一种结合战略行为与传染动态的网络安全管理框架，通过分析异质风险特征和传染路径，优化网络安全资源分配并提升系统韧性。
2026-10-06 cs.CR cs.GT cs.SI
An IoT Endpoint System-on-Chip for Secure and Energy-Efficient Near-Sensor Analytics
ETH Zurich（苏黎世联邦理工学院）；Graz University of Technology（格拉茨技术大学）；University of Bologna（博洛尼亚大学）；Know-Center（知识中心）
近传感器数据分析是物联网端点的一个很有前途的方向，因为它最大限度地减少了通信消耗的能量并降低了网络负载-但它也带来了安全问题，因为有价值的数据在分析管道的各个阶段通过网络存储或发送。使用加密来保护片上分析引擎边界处的敏感数据是解决数据安全问题的一种方法。为了在紧凑的功率包络中应对分析和加密的组合工作负载，我们提出了Fulmine，这是一种基于紧密耦合的多核集群的片上系统，该集群增加了用于计算密集型数据处理和加密功能的专用块，支持常规计算任务的软件可编程性。Fulmine SoC采用65 nm工艺制造，在0.8V时平均功耗低于20 mW，加密效率高达70 pJ/B，卷积效率高达50 pJ/px，软件效率高达25 MIPS/mW。作为我们的平台在现实生活中灵活应用的有力论据，我们展示了三个安全分析用例的实验结果：安全自主空中监视，使用最先进的深度CNN，每等效RISC op消耗3.16 pJ;基于CNN的本地人脸检测，安全远程识别，5.74 pJ/op;以及癫痫发作检测，使用来自EEG的加密数据汇集，12.7 pJ/op。
2017-04-23 cs.AR cs.CR cs.LG
Forensic Data Analytics for Anomaly Detection in Evolving Networks
Western University（韦仕敦大学）；Ericsson（爱立信）；IBM（国际商业机器公司）；Log5Data（Log5Data公司）
针对5G与虚拟化演进网络中的攻击和传统安全工具局限，提出融合多视角特征工程、无监督异常检测与结果校正的取证分析框架，并在真实网络数据上验证有效。
2023-08-17 cs.AI cs.CR cs.LG
Multi-Perspective Content Delivery Networks Security Framework Using Optimized Unsupervised Anomaly Detection
Western University（韦仕敦大学）；Ericsson（爱立信）
内容分发网络（CDN）通过互联网提供高效的内容分发。CDN提高了全球通信的连通性和效率，但其缓存机制可能会被网络攻击者破坏。在安全机制中，有效的异常检测是CDN安全增强的重要组成部分。在这项工作中，我们提出了一个多角度的无监督学习框架的CDN异常检测。在该框架中，提出了一种多视角的特征工程方法、一种利用隔离森林和高斯混合模型的优化无监督异常检测模型以及一种多视角的验证方法，主要从客户端IP和节点的角度检测CDN中的异常行为，从而识别拒绝服务（DoS）和缓存污染攻击（CPA）模式。实验结果是基于一个主要的CDN运营商提供的八天的真实世界的CDN日志数据的分析。实验结果表明，该框架能够有效识别异常内容、入侵节点、恶意IP及其对应的攻击类型，并得到多位网络安全专家的验证。这表明了所提出的方法在应用于现实世界的CDN数据时的有效性。
2021-07-24 cs.AI cs.CR cs.LG
