Russian Cyber Onslaught was Blunted by Ukrainian Cyber Resilience, not Merely Security
研究指出俄罗斯对乌克兰网络攻击未产生有意义结果，主因是乌克兰有效的网络韧性而非仅靠网络防御。
2024-08-26 cs.CR
Deriving Cyber-security Requirements for Cyber Physical Systems
今天的网络物理系统（CPS）没有很好地保护免受网络攻击。受保护的CPS通常在其防御中存在漏洞，这是由于当今网络安全设计过程的手动性质。CPS的设计和实施必须实现自动化或半自动化，以满足严格的网络安全要求（CSR），而不会牺牲功能性能，时间和成本限制。第一步是为每个CPS导出从该CPS的特定功能设计流出的CSR。这就是我们的系统所承担的任务，导出网络安全要求，产生受保护的物理系统-DIPPS。DINGS PPS将人工智能（AI）技术，包括规划和基于模型的诊断应用于网络安全的重要领域。
2019-01-07 cs.CR cs.SE
A Study Of Cyber Security Challenges And Its Emerging Trends On Latest Technologies
网络安全在信息技术领域中扮演着重要的角色，信息安全已成为当今最大的挑战之一。当我们想到网络安全时，我们首先想到的是日益增加的网络犯罪。各国政府和公司正在采取许多措施，以防止这些网络犯罪。除了各种措施之外，网络安全仍然是许多人非常关注的问题。本文主要讨论了网络安全面临的最新技术挑战，以及网络安全技术、伦理和改变网络安全面貌的最新趋势。
2014-02-08 cs.CR cs.CY
Security evaluation of cyber networks under advanced persistent threats
本文致力于衡量网络在高级持续性威胁（APT）下的安全性。首先，基于APT的网络攻防过程被建模为一个个体级的动力系统。其次，动态模型显示出的全局稳定性。在此基础上，定义了一种新的网络安全度量--极限安全度，即网络中受损节点的极限期望分数。其次，通过理论分析和计算机模拟说明了不同因素对极限安全性的影响。这项工作有助于了解APT下的网络安全。
2017-07-12 cs.CR
Anomaly Detection in Cyber Network Data Using a Cyber Language Approach
随着网络数据量的持续增长，网络防御者面临着越来越多的数据，他们必须分析这些数据，以确保网络的安全。此外，新类型的攻击不断在全球范围内被创建和执行。目前基于规则的方法在表征和标记已知攻击方面是有效的，但当出现新的攻击或新类型的数据时，它们通常会失败。相比之下，无监督机器学习具有明显的优势，因为它不需要标记数据来从大量网络流量中学习。在本文中，我们提出了一个自然语言为基础的技术（后缀树），适用于网络异常检测。我们说明了一种方法来生成一种语言，使用网络数据的功能，我们的实验结果说明了积极的初步结果，将这种技术应用于流类型的数据。作为这项工作的一个基本假设，我们声称恶意网络行为者在执行攻击时会在数据中留下可观的数据。这项工作旨在识别这些工件，并利用它们来识别各种网络攻击，而无需标记地面实况数据。
2018-08-15 cs.CR
The Good, The Bad and The Missing: A Narrative Review of Cyber-security Implications for Australian Small Businesses
小型企业（0-19名员工）正在成为网络犯罪分子的诱人目标，但却难以实施大型企业经常部署的网络安全措施。小型企业迫切需要有效和合适的网络安全解决方案，因为它们雇用了相当大比例的劳动力。在本文中，我们考虑了目前研究或产品尚未解决的小企业网络安全挑战，通过澳大利亚镜头进行了情境化。我们还强调了有利于网络安全行动的小企业的一些独特特征。到目前为止，小型企业网络安全讨论的焦点很窄，并且在特定情况之外缺乏可重用性。我们的研究使用了来自多个学科的工业，政府和研究社区的全球证据。我们探讨了技术和非技术因素对小企业保护自己的能力产生负面影响，例如资源限制，组织流程成熟度和法律结构。我们的研究表明，一些小企业的特征，如敏捷性，大型队列规模和零碎的IT架构，可以提高网络安全性。我们的结论是，目前的研究在小企业网络安全的差距。此外，还需要开展法律和政策工作，帮助小企业提高网络复原力。
2021-09-02 cs.CR
Mathematical and Statistical Opportunities in Cyber Security
数学在互联网这样的复杂系统中的作用还有待深入探讨。在本文中，我们总结了一些重要的和紧迫的问题，在网络安全的开放科学环境的观点。我们首先提出的问题是“网络安全研究中存在哪些基本问题，可以通过高等数学和统计学来帮助？“我们的第一个也是最重要的假设是，访问真实世界的数据对于理解像互联网这样的大型复杂系统是必要的。我们的第二个假设是，许多提出的网络安全解决方案可能严重损害科学研究的开放性和生产力。在研究了一系列网络安全问题后，我们得出的结论是，网络安全领域为数学和统计科学提供了丰富的新的和令人兴奋的研究机会。
2009-04-09 cs.CR
Improving Interdisciplinary Communication With Standardized Cyber Security Terminology: A Literature Review
计算机安全需求的不断增长和网络化趋势是21世纪的标志。随着网络犯罪、数字货币、电子政务等的兴起，最近对保护全球计算机安全的新技术的投资也相应增加。最近，企业和政府部门开始将重点放在全面的网络安全解决方案上。随着这种增长，出现了对更好的合作和安全衡量方法的需求。尽管做出了所有这些努力，但这一需求尚未得到满足，在计算机安全领域的跨学科合作仍然太少。本文回顾了网络安全研究的新趋势，他们的贡献，以及一些可识别的局限性。我们认为，这些限制主要是由于缺乏合作，需要解决的问题，显然是多方面的。然后，我们确定需要进一步标准化的术语在计算机安全和全球互联网多方利益相关者社区制定这样的标准时，考虑提出指导方针。我们还评估了一些特定术语的可行性，包括网络是否应该作为一个单独的词时，它是一个描述符（例如网络安全或网络安全），并得出结论，建议写未来的论文网络安全或更广泛的新领域的所有事情有关网络空间，最近被称为网络，一个术语，我们也检查并提出替代品，如网络或网络经济学。通过进一步规范网络安全术语，本文为跨学科合作、技术和非技术利益相关者之间的协议以及起草通用的互联网治理法律奠定了基础。
2020-10-11 cs.CR
Cyber Security in Energy Informatics: A Non-technical Perspective
本文从非技术视角综述能源信息学中的网络安全研究，归纳出教育、意识、政策、标准、人员及风险挑战与解决方案等七类议题，为研究者、管理者、政策制定者和教育者提供参考。
2024-05-03 cs.CR
Cyber Security in Containerization Platforms: A Comparative Study of Security Challenges, Measures and Best Practices
本文比较研究了容器化平台的安全挑战、措施与最佳实践，通过分析安全漏洞、探索容器隔离策略及评估加密技术，为组织加强网络安全防御提供实用指导。
2024-04-28 cs.CR
Anomaly Detection in Cyber-Physical Systems: Reconstruction of a Prediction Error Feature Space
网络物理系统是使用网络通信和传感器读数等数字信息来控制物理世界中的实体的基础设施。机场、医院和核电厂的许多网络物理系统被视为关键基础设施，因为其正常功能的中断可能对社会造成负面影响。在过去的几年中，已经提出了一些基于人工智能的网络物理系统的安全解决方案。然而，知识域是需要适当地设置和训练人工智能算法。本文提出了一种基于误差空间重构的异常检测框架，利用遗传算法对机器学习方法进行超参数优化。该方法在SWaT数据集中获得了87.89%的F1分数。
2021-12-29 cs.CR
Prediction in Cyber Security: Complications and Consolations
不确定性、错误和类似的复杂性增加了网络安全的许多挑战。各种学科已经开发了用于管理这些并发症的方法，但应用这些方法涉及消除重叠术语的歧义，并确定方法在具有独特属性的网络安全背景下的正确用法。这一过程是由预测的需要指导的，这是网络安全变得更像传统科学所必需的。一个激励恶意软件分析的例子被定义。一个五元素的本体预测的并发症，并从众多学科的概念映射到它的激励性的例子。
2018-04-25 cs.CR
Cyber Security Threat Awareness Framework for High School Students in Qatar
网络安全被认为是当今世界任何人的必需品。网络安全标准和最佳实践的意识已经成为强制性的，以保护一个孩子在这个时代。今天的高中生不了解网络安全威胁，因为缺乏父母的参与或缺乏高中的教育材料和课程。这项研究开发了一个框架，解决了高中生缺乏网络安全意识的问题。建议的框架提供了一个流程的步骤，为K12提供有效的认识方法。这是通过创建一个功能操作框架的方法来实现的，该框架包括四个阶段，即威胁和攻击识别、现有意识发现、创建意识方法和意识方法评估。这一产出产生了专门针对k-12年龄段的网络安全意识方法，该方法利用了网络安全表情符号。因此，通过探索这种方法，安全社区可以招募和吸引青少年参与网络安全，提高安全意识的程度。
2022-07-02 cs.CR
Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop 2019
本卷代表了2019年1月27日在夏威夷檀香山举行的2019年网络安全人工智能（AICS）研讨会的会议记录。
2019-03-27 cs.AI 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
Cyber Autonomy: Automating the Hacker- Self-healing, self-adaptive, automatic cyber defense systems and their impact to the industry, society and national security
University of Queensland（昆士兰大学）
本文阐述了网络自治的紧迫性以及网络安全行业目前的差距。一个新的框架，提出了四个阶段的成熟度完全网络自治将进行讨论。本文还回顾了新的和新兴的网络安全自动化技术和工具，并讨论了它们对社会的影响，感知网络安全技能差距/短缺和国家安全。我们还将讨论国家安全、人权和道德之间的微妙平衡，以及人工渗透测试行业在自动化面前的潜在消亡。
2020-12-08 cs.AI cs.CR cs.CY
CyberLearning: Effectiveness Analysis of Machine Learning Security Modeling to Detect Cyber-Anomalies and Multi-Attacks
Chittagong University of Engineering & Technology（吉大港工程与技术大学）；Swinburne University of Technology（斯威本科技大学）
检测网络异常和攻击正在成为网络安全领域日益关注的问题。人工智能的知识，特别是机器学习技术可以用来解决这些问题。然而，基于学习的安全模型的有效性可能会因安全功能和数据特征而异。在本文中，我们提出了“CyberLearning”，一个基于机器学习的网络安全建模与相关特征选择，并对各种基于机器学习的安全模型的有效性进行了全面的实证分析。在我们的网络学习建模中，我们考虑了用于检测异常的二进制分类模型，以及用于各种类型网络攻击的多类分类模型。为了建立安全模型，我们首先使用流行的十种机器学习分类技术，例如朴素贝叶斯、逻辑回归、随机梯度下降、K-最近邻、支持向量机、决策树、随机森林、自适应提升、极限梯度提升以及线性判别分析。在此基础上，提出了基于人工神经网络的多隐藏层安全模型.这些基于学习的安全模型的有效性进行了检查，利用两个最流行的安全数据集，UNSW-NB 15和NSL-KDD进行了一系列的实验。总的来说，本文旨在通过我们在网络安全背景下的实验分析和发现，为数据驱动的安全建模提供参考。
2021-03-28 cs.CR cs.LG
CyberLLMInstruct: A Pseudo-malicious Dataset Revealing Safety-performance Trade-offs in Cyber Security LLM Fine-tuning
University of Kent（肯特大学）
本文提出包含54,928对伪恶意指令-响应的CyberLLMInstruct数据集，涵盖多种网络安全任务，通过对七个开源LLMs的评估揭示了微调提升任务性能但严重削弱安全弹性的权衡问题。
2025-09-17 cs.AI cs.CR
Explainable Artificial Intelligence Applications in Cyber Security: State-of-the-Art in Research
本调查对当前关于网络安全应用的可解释人工智能（XAI）方法的文献进行了全面回顾。由于近年来互联网连接的系统和人工智能的快速发展，包括机器学习（ML）和深度学习（DL）的人工智能已经被广泛用于包括入侵检测、恶意软件检测和垃圾邮件过滤的网络安全领域。然而，尽管与传统的基于签名和基于规则的网络安全策略相比，用于检测和防御网络攻击和威胁的基于人工智能的方法更加先进和高效，但大多数基于ML的技术和基于DL的技术都是以黑盒方式部署的，这意味着安全专家和客户无法解释这些程序如何得出特定结论。现有人工智能技术的透明度和可解释性的缺陷将降低人类用户对用于防御网络攻击的模型的信心，特别是在当前网络攻击变得越来越多样化和复杂的情况下。因此，在建立网络安全模型时应用XAI至关重要，以创建更易于解释的模型，同时保持高准确性，并允许人类用户理解，信任和管理下一代网络防御机制。虽然有论文回顾人工智能在网络安全领域的应用，以及在医疗保健，金融服务和刑事司法等许多领域应用XAI的大量文献，但令人惊讶的事实是，目前没有调查研究文章集中在XAI在网络安全中的应用。
2022-08-31 cs.CR
Cyber-Security Investment in the Context of Disruptive Technologies: Extension of the Gordon-Loeb Model
网络安全漏洞给企业带来了巨大的成本。因此，通过网络安全投资发展信息系统防御能力是一个先决条件。如何确定网络安全投资的最佳金额的问题已经在文献中得到了广泛的研究。在这方面，戈登-勒布模型及其扩展得到了广泛的接受。然而，这些模型主要依赖于不适合分析网络安全投资动态方面的限制性假设。然而，了解这些动态方面是在快节奏和不断发展的技术环境中研究网络安全投资的一个关键特征。我们提出了一个扩展的Gordon-Loeb模型，通过考虑多个时期和放松连续的安全漏洞概率函数的假设。这种理论上的调整使我们能够捕捉到网络安全投资的动态方面，例如颠覆性技术的出现及其投资后果。戈登-勒布模型的这种拟议扩展为由于潜在的技术转变而导致的网络安全投资最佳水平的假设下降提供了空间。虽然我们认为我们的框架应该在整个网络安全环境中推广，但我们在关键基础设施保护的背景下说明了我们的方法，其中与风险事件相关的安全成本降低至关重要，因为潜在的损失达到了无法承受的程度。此外，尽管一些技术被认为具有破坏性，因此有望成为关键基础设施保护的一部分，但它们对网络安全投资的影响却很少被讨论。
2021-12-08 cs.CR econ.TH
Security of Medical Cyber-physical Systems: An Empirical Study on Imaging Devices
近年来，互联医疗设备蓬勃发展，同时也带来了安全问题。医学成像设备是医疗网络物理系统的重要组成部分，在现代医院中发挥着至关重要的作用，并且通常是生命攸关的。然而，这些医疗网络物理系统中的安全和隐私问题有时被忽视。在本文中，我们对成像设备进行了实证研究，以分析医疗网络物理系统的安全性。准确地说，我们设计了一个威胁模型，并提出了医疗成像设备的前瞻性攻击技术。为了应对潜在的网络威胁，我们引入了保护机制，评估保护机制的有效性和效率，以及它与攻击技术的相互作用。为了给安全性打分，我们设计了一个分级系统，为不同场景下的成像设备提供可操作的建议。我们调查了来自9家制造商的15台设备，以证明经验理解和现实世界的安全问题。
2020-01-05 cs.CR
The Impact of Cyber Security Threats on the 2020 US Elections
本文将调查2020年美国大选中围绕网络安全威胁的文献。它首先简要概述了网络安全和选举方面的网络安全现状。在本文的主体部分，重点将放在三个主要领域的文献综述：选民压制，选民欺诈和虚假信息，考虑其对选举结果和投票公众的影响。在评估了每一份文件的来源后，本文总结了对2020年美国大选影响最大的领域。
2020-12-15 cs.CR cs.CY
Security Monitoring of the Cyber Space
攻击者正在滥用互联网安全和隐私服务来执行网络攻击。为了应对这些威胁，网络运营商利用各种安全工具和技术来监控网络空间。推断互联网威胁活动的一种有效方法是从基于陷阱的监测传感器收集信息。因此，本章主要定义了基于网络空间陷阱的监测系统及其分类。此外，它还介绍了最先进的研究贡献和技术，工具和技术。此外，报告还指出了科学和技术方面的差距。此外，它还介绍了一些案例研究和实用的方法，对应于大规模的网络监控系统，如尼克特。我们进一步提出了一些相关的安全政策和法律问题的网络监控。本章概述互联网监察，并为读者提供指引，帮助他们了解透过计算机网络陷阱观察、侦测及分析网络攻击的概念。
2016-08-04 cs.CR
Human Behaviour as an aspect of Cyber Security Assurance
尽管安全实践在行业内应用多年，但仍有许多与网络安全有关的违规行为被公布。本文旨在成为研究网络安全保证过程的许多文章中的第一篇。这篇文章是根据目前有关网络安全保证的研究以及人为因素对网络安全保证的影响而编写的。这项工作的目的是根据文献综述的结果，确定将受益于进一步研究和开发的网络安全要素。本文中概述的结果表明，网络安全领域需要关注已建立的行业领域，以受益于有效的实践，如人为可靠性评估，以及改进的验证方法，如统计质量控制，以获得真正的保证。本文提出了一个框架的开发，该框架将基于定义和可重复的量化，特别是与提供或不打算对网络安全态势产生负面影响的人类方面任务的范围有关。
2016-01-15 cs.CR cs.CY
Science of Cyber Security as a System of Models and Problems
像“网络科学”或“网络科学”这样的术语已经越来越频繁地出现在文献中，有影响力的组织发起了发展这样一门科学的研究计划，尽管它没有明确的定义。我们建议通过注意网络安全中最突出的人工制品-恶意软件-并将该领域定义为包括涉及恶意软件的现象来定义网络安全科学的领域（以及恶意使用的合法软件和协议），用于迫使计算设备或计算设备网络执行恶意软件的犯罪者所期望的动作这可能是攻击者（攻击者）的意图，并且通常与计算设备的合法所有者或操作者（防御者）的意图（策略）相反。我们进一步将网络安全科学定义为对以下属性、结构和动态之间的关系的研究--最好是以理论为基础的模型来表达：违反网络安全政策;受到攻击的计算设备网络;防御者的工具和技术;以及恶意软件发挥核心作用的攻击者的工具和技术。我们提供了一个简单的形式主义，这些关键对象在网络科学和系统地得出网络科学的主要问题类的分类。
2015-11-29 cs.CR
A review of knowledge graph application scenarios in cyber security
面对动态复杂的网络环境、内外部网络威胁情报以及日益增长的网络攻击风险，知识图谱因其具有的知识聚合、表示、管理和推理能力在网络安全领域显示出巨大的应用潜力。然而，虽然大多数研究都集中在如何开发一个完整的知识图谱，但如何应用知识图谱来解决网络攻击和防御场景中的工业实际挑战仍然不清楚。本文简要介绍了网络安全知识图谱的基本概念、模式和构建方法。为了促进未来的网络安全知识图谱的研究，我们还提出了一个策划收集的数据集和开源库的知识构建和信息抽取任务。在本文的主要部分，我们进行了比较审查的不同作品，阐述了最近的进展，在网络安全知识图谱的应用场景。在此基础上，提出了一个新的综合分类框架，从九大类和十八个小类来描述相关作品。最后，在讨论现有研究缺陷的基础上，对几个有前景的研究方向进行了深入的展望。
2022-04-10 cs.CR
A Comparative Analysis of the Cyber Security Strategy of Bangladesh
技术是现代社会一种无休止的进化表达，它增加了人们对安全的担忧，推动我们创造网络环境。一个国家的国家网络安全战略（NCSS）反映了该国的网络实力，代表了一个国家网络安全的目标和愿景。以前，研究人员通过比较不同国家之间的NCSS进行国际合作和协调，一些研究人员为各自政府制定政策框架。然而，通过对不同国家的国家社会保障系统进行交叉比较，对孟加拉国国家社会保障系统的战略实力进行评估的尝试非常微不足道。因此，本研究的目的是评估孟加拉国现有网络安全战略的稳健性，与亚洲大陆一些技术最先进的国家以及美国，日本，新加坡，马来西亚和印度等国家进行比较，以保持孟加拉国的NCSS最新。
2019-05-01 cs.CR
Towards a Security Cost Model for Cyber-Physical Systems
在工业4.0和网络物理系统（CPS）时代，提供安全性是最大的挑战之一。在CPS发起的网络攻击构成了巨大的威胁，因为安全事件可能会影响网络和物理世界。由于CPS是非常灵活的系统，能够适应环境的变化，因此必须对提供安全性所产生的成本进行概述。然而，关于CPS的研究目前更多地集中在工程安全系统，并没有令人满意地提供评估所产生的成本的方法。本文提出了一种基于交互的CPS安全成本评估模型。此外，本文在用例驱动的研究中演示了如何使用这种方法来模拟保证安全性的成本。
2019-05-15 cs.CR
A Systematic Literature Review of Cyber Security Monitoring in Maritime
本文遵循PRISMA协议开展海事网络安全监测系统性文献综述，完成文献计量分析并构建研究分类体系，同时指出现有研究的空白与局限，提出该领域未来研究方向。
2025-05-21 cs.CR
Pedagogic Challenges in Teaching Cyber Security -- a UK Perspective
网络安全已成为英国，美国和全球许多其他国家的国家关注的问题。大学对此做出了反应，推出了许多网络安全学位课程。在本文中，我们探讨了这些学位的结构，特别强调了学者对他们的教学所面临的挑战。我们探讨了有关学生的期望和CSI效应在学生进入网络安全的问题。我们强调科学与工具的辩论，重点关注学生/行业和教授学位课程的学者之间的一些教学紧张关系。网络安全受到许多道德问题的影响，在大学环境中尤为如此。我们分析了网络安全中的一些伦理教学相关问题。本文将是感兴趣的行业专业人士以及有兴趣探索网络安全相关学位课程的形状，味道和结构的学者，以及教授这些学位的学者所面临的挑战。
2022-12-13 cs.CR cs.CY
A systematic literature review on cyber threat hunting
自2016年引入“网络威胁狩猎”一词以来，采取主动防御措施以提高网络安全性的趋势不断上升。这项研究将探讨同行评审的文献对网络威胁狩猎的主题。我们的研究表明，随着机器学习方法的出现，该领域的研究有所增加。关键词：网络威胁，网络安全，威胁狩猎，安全系统，数据驱动，英特尔，分析驱动，TTP
2022-12-10 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
Automated Big Traffic Analytics for Cyber Security
网络流量分析技术是网络安全系统的基石。我们通过三个流行的和当代的网络安全应用程序在入侵检测，恶意软件分析和僵尸网络检测展示其使用。然而，自动化流量分析面临着大流量数据带来的挑战。根据大数据的三个特征-量、多样性和速度，我们回顾了三种最先进的技术，以减轻关键挑战，包括实时流量分类、未知流量分类和分类器的效率。基于统计特征、未知发现和相关分析的新技术在处理大流量数据方面显示出了巨大的潜力。鼓励读者致力于提高网络安全中自动流量分析的性能和实用性。
2018-04-24 cs.CR
Adversarial Genetic Programming for Cyber Security: A Rising Application Domain Where GP Matters
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
网络安全的对手和交战无处不在，永无止境。我们描绘了对抗性遗传编程的网络安全，一个研究课题，通过遗传编程（GP），复制和研究网络对手的行为和他们的参与动态。对抗性遗传编程的网络安全包括现存的和直接的研究工作在一个重要的问题领域，可以说占据了一个位置，在前沿GP的问题。此外，它通过表达不同的抽象与GP和机会重新连接到机器学习，人工生命，基于代理的建模和网络安全社区，围绕不断发展的复杂行为提出研究问题。我们提出了一个框架，称为RIVALS支持网络安全军备竞赛的研究。它的目标是通过计算建模和模拟来阐明受到攻击的网络网络的动态。
2020-04-07 cs.AI cs.CR cs.LG
TENET: Temporal CNN with Attention for Anomaly Detection in Automotive Cyber-Physical Systems
Colorado State University（科罗拉多州立大学）
现代车辆具有多个电子控制单元（ECU），这些ECU连接在一起作为复杂的分布式网络物理系统（CPS）的一部分。ECU与外部电子系统之间的通信不断增加，使得这些车辆特别容易受到各种网络攻击。在这项工作中，我们提出了一种新的异常检测框架，称为TENET检测车辆上的网络攻击引起的异常。TENET使用具有集成注意力机制的时间卷积神经网络来检测异常攻击模式。TENET能够实现32.70%的假阴性率，19.14%的马修斯相关系数和17.25%的ROC-AUC指标的改善，与汽车异常检测方面表现最好的先前工作相比，模型参数减少了94.62%，内存占用减少了86.95%，推理时间减少了48.14%。
2021-09-09 cs.AI cs.CR cs.LG
LLMs for Cyber Security: New Opportunities
该研究聚焦大语言模型（LLMs）的兴起，重新审视网络安全领域，探索并总结LLMs在解决安全与保障领域挑战性问题上的潜力，为网络安全发展带来新机遇。
2024-04-17 cs.CR cs.SE
Fundamental Challenges of Cyber-Physical Systems Security Modeling
系统建模实践缺乏安全分析工具，这些工具可以与建模语言接口，以通过设计来促进安全性。在安全关键的网络物理系统时代，安全设计是必要的，在这个时代，安全违规可能会导致危险。目前，安保和安全之间的重叠很窄。但部署网络物理系统意味着今天的对手可以故意引发事故。通过为建模语言实现安全评估工具，我们能够更好地在系统生命周期的早期解决威胁，从而确保它们在最终部署中的安全行为。我们认为，网络物理系统的安全建模实践不够，因为它仍然是类似于信息技术系统解决。
2020-04-30 cs.CR cs.SY eess.SY
A Survey of Heterogeneous Graph Neural Networks for Cybersecurity Anomaly Detection
本文综述了异构图神经网络在网络安全异常检测中的应用，分析了不同类型异常和图动态的分类方法，评估了常用数据集和指标，并指出了建模、数据和部署中的关键挑战。
2026-06-08 cs.CR cs.LG
Introduction of a Hybrid Monitor to Cyber-Physical Systems
自1988年防火墙技术问世以来，计算和技术发生了巨大的变化。互联网已经从一个简单的网络网络发展成为一个涵盖整个地球的网络和物理实体。网络物理系统（CPS）现在控制着人类文明的大部分日常运作，从自动驾驶汽车到核能发电厂。虽然增长速度惊人，但也带来了新的安全威胁。这些是防火墙无法阻止的威胁，因为它们不仅是网络威胁，而且是网络物理威胁。鉴于这些新的网络物理威胁，本文提出了一种安全措施，有望提高网络物理系统的安全性。使用理论上的网络，物理和网络物理攻击场景，本文将强调在网络物理系统中需要某种监视器作为额外的安全措施。此外，本文将使用香农熵证明和多安全域非演绎（MSDND）证明来说明所述监视器的效率。
2019-08-09 cs.CR
CyberSentinel: An Emergent Threat Detection System for AI Security
ICSI, University of California at Berkeley（加州大学伯克利分校ICSI（国际计算机科学研究所））
针对AI发展带来的网络安全威胁攻击面扩大问题，研究提出单智能体系统CyberSentinel，整合SSH日志暴力破解检测、域名黑名单与启发式URL评分钓鱼评估、机器学习异常检测三类功能，可实时识别新型威胁，强化主动防御。
2025-02-20 cs.AI cs.CR
Global Pandemics Influence on Cyber Security and Cyber Crimes
COVID-19在生活的许多领域造成了广泛的破坏，使人类更加依赖互联网和技术，使我们意识到安全的远程工作环境的重要性。虽然在封锁期间鼓励社会分离，但在线基础设施已成为通信，商务，工作和学习的中心焦点，为公司采用新方法和运营模式带来了新的挑战和趋势。网络攻击案件增加，欺诈者和网络犯罪分子利用远程工作人员的脆弱性和公众对冠状病毒信息的兴趣，利用这一点来加强他们的非法活动。本文件探讨了人们在疫情期间面临的不同类型的安全威胁和网络犯罪，以及对安全可靠的网络基础设施的需求。本文试图分析这些问题的安全含义。
2023-02-24 cs.CR cs.CY
A Novel Cyber-Insurance for Internet Security
个人和组织等互联网用户受到蠕虫、病毒和僵尸网络等不同类型的流行病风险的影响。为了降低风险的可能性，互联网用户通常投资于自我防御机制，如防病毒和反垃圾邮件软件。然而，这种软件并不能完全消除风险。最近的工作已经考虑了通过提出网络保险的想法来消除剩余风险的问题。实际上，互联网用户面临由于安全攻击的风险以及由于非安全相关故障（例如，硬件崩溃、缓冲区溢出等形式的可靠性故障）.这些风险类型通常是无法区分的一个天真的用户。然而，网络保险机构很可能只为安全攻击带来的风险提供保险。在这种情况下，对于互联网用户来说，选择正确类型的网络保险合同作为标准最优合同，即，仅在安全攻击下的合同，可能证明对他自己来说是次优的。在本文中，我们解决的问题，分析网络保险解决方案时，用户面临的风险，由于这两个，安全以及非安全相关的故障。我们提出了\emph{Aegis}，一种新的网络保险模型，在该模型中，用户接受自己的损失恢复的一小部分\emph{(strictly positive)}，并将损失恢复的其余部分转移到网络保险机构。我们从数学上表明，在所有保费类型下，互联网用户都更喜欢Aegis合同而不是传统的网络保险合同。这一结果坚定地证明，当向用户提供Aegis合同时，传统的网络保险市场不存在。
2011-07-24 cs.CR
An Attacker Modeling Framework for the Assessment of Cyber-Physical Systems Security
描述攻击者在网络物理系统中的行为对于确保这些系统的安全态势和恢复能力非常重要。传统的网络脆弱性评估方法依赖于网络安全专家的知识和经验来进行安全分析，在缺乏专家知识和经验的情况下可能不一致。本文提出了一种灵活的攻击者建模框架，通过模拟不同的攻击者行为来预测攻击进展并提供一致的系统漏洞分析，从而帮助进行安全分析。该模型提出了一种扩展的漏洞数据库架构，以最大限度地提高其有效性和一致性，在检测CPS漏洞，同时与现有的漏洞数据库兼容。该模型具有针对实际或虚拟CPS实施和模拟的能力。攻击者模型的执行被证明对模拟的工业控制系统架构，导致攻击者行为的概率预测。
2021-03-16 cs.CR
Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop 2020
研讨会将重点讨论人工智能在网络安全问题中的应用。AICS 2020的重点将是在网络安全问题的背景下进行人机合作，并将专门探索人类操作员与人工智能技术之间的合作。该研讨会将涉及人工智能的适用领域，如机器学习，博弈论，自然语言处理，知识表示，自动化和辅助推理以及人机交互。此外，网络安全应用领域，特别强调人机合作的表征和部署将是重点。
2020-06-10 cs.AI cs.CR cs.HC
Toward an Intent-Based and Ontology-Driven Autonomic Security Response in Security Orchestration Automation and Response
本文提出一种基于MITRE-D3FEND本体的统一安全意图定义及两层集成方法，将基于意图的网络防御与自主网络防御结合，实现具备上下文感知的分层自动化安全响应，并在下一代SOAR平台中验证了其有效性。
2025-07-16 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
A Comprehensive Survey on the Cyber-Security of Smart Grids: Cyber-Attacks, Detection, Countermeasure Techniques, and Future Directions
University of North Dakota（北达科他大学）
智能电网网络面临的一个重大挑战是网络安全。已进行了几项研究，以突出这些安全挑战。然而，大多数调查都是根据安全要求、机密性、完整性和可用性对攻击进行分类，而没有考虑问责制要求。此外，其中一些调查侧重于传输控制协议/互联网协议（TCP/IP）模型，该模型没有区分开放系统互连（OSI）模型的应用程序、会话和表示以及数据链路和物理层。在这篇调查论文中，我们提供了一个基于OSI模型的攻击分类，并更详细地讨论了针对智能电网网络通信不同层的网络攻击。我们还提出了新的分类的检测和对策技术，并在每个类别下描述现有的技术。最后，我们讨论了挑战和未来的研究方向。
2022-06-22 cs.AI cs.CR
Robust PCA for Anomaly Detection in Cyber Networks
本文使用网络数据包捕获数据来演示如何以一种新的方式使用鲁棒主成分分析（RPCA）来检测作为网络攻击指标的异常。该方法只需要几个参数来学习使用分区的训练数据，并显示出改善的需要一个详尽的一组不同类型的网络攻击的例子的承诺。对于林肯实验室的DARPA入侵检测数据集，该方法实现了较低的误报率，同时保持合理的真阳性率的个人数据包。此外，该方法正确地检测到数据包流中的攻击，这是以前没有遇到过，或训练，出现。
2018-01-04 cs.CR
Anomaly Detection from Cyber Threats via Infrastructure to Automated Vehicle
当在能见度有限的高密度交通情况下自动驾驶时，使用结构到车辆（I2V）信息可以带来很大的好处，因为外部传感器增强了车辆的感知能力。在本研究中，引入了一种方法来提高车辆在交叉路口的自我意识，以应对使用I2V通信时可预见的最大挑战之一：网络安全。引入的异常检测算法在自动驾驶汽车上运行，评估I2V通信的健康状况，以抵御多种网络安全攻击。该分析是在模拟环境中进行的，使用了Secredas项目（跨域可靠依赖自动化系统的网络安全）的网络攻击场景，并提供了车辆在面临不同类型和幅度的I2V网络攻击以及传感器冗余丢失时的局限性。结果表明，自动驾驶汽车可以稳健地检测和缓解注入的异常，使其能够更安全，更舒适地做出反应，并在交叉路口保持正确的目标跟踪。
2021-04-23 cs.CR math.OC
Comparing Decision Support Approaches for Cyber Security Investment
在投资网络安全资源时，信息安全管理人员必须遵循有效的决策策略。我们称之为网络安全投资挑战。在本文中，我们考虑了三种可能的决策支持方法，为安全管理人员应对这一挑战。我们认为基于博弈论，组合优化和两者的混合的方法。我们的建模首先是建立一个框架，在这个框架中，我们可以调查网络安全控制在保护被视为商品威胁目标的不同资产方面的有效性。在博弈论方面，我们考虑了两人之间的控制游戏的安全管理人员谁必须选择不同的实施水平的网络安全控制，和商品攻击者谁选择不同的目标进行攻击。纯博弈论方法论是一个包含所有控制和所有威胁的大型博弈。在混合方法中，将各个控制博弈的博弈解及其直接成本（例如财务成本）与背包算法相结合，以获得最佳投资策略。组合优化技术包括一个多目标多选择背包为基础的战略。我们比较这些方法的案例研究，是建立在SANS的顶部关键控制。这项工作的主要成就是突出了网络安全不同投资方法的弱点和优势，它们相互作用的好处，以及间接成本对网络安全投资的影响。
2015-02-19 cs.CR cs.GT
Deep Reinforcement Learning for Cyber Security
Deakin University（迪肯大学）；Harvard University（哈佛大学）
互联网连接系统的规模已经大大增加，这些系统比以往任何时候都更容易受到网络攻击。网络攻击的复杂性和动态性要求保护机制具有响应性、自适应性和可扩展性。机器学习，或者更具体地说，深度强化学习（DRL）方法已经被广泛提出来解决这些问题。通过将深度学习结合到传统的强化学习中，DRL具有很强的能力来解决复杂的、动态的，尤其是高维的网络防御问题。本文介绍了一个调查的DRL方法开发的网络安全。我们触及不同的重要方面，包括基于DRL的网络物理系统的安全方法，自主入侵检测技术，以及基于多代理DRL的博弈论模拟防御网络攻击的策略。对基于DRL的网络安全进行了广泛的讨论和未来的研究方向。我们期望这次全面的审查为未来探索新兴DRL的潜力以应对日益复杂的网络安全问题的研究提供基础和促进。
2021-11-02 cs.AI cs.CR cs.LG
Machine Learning in Cyber-Security - Problems, Challenges and Data Sets
Palo Alto Networks（帕洛阿尔托网络公司）；Shodan
我们提出了高度重要的网络安全问题。我们表明，为了解决这些网络安全问题，必须应对某些机器学习挑战。我们提供了代表这些问题的新数据集，以便学术界能够调查这些问题，并提出应对挑战的方法。我们还提出了一种方法来生成标签，通过旋转，提供了一个解决方案，在网络安全中缺乏标签的常见问题。
2019-04-22 cs.CR cs.LG stat.ML
CAMLPAD: Cybersecurity Autonomous Machine Learning Platform for Anomaly Detection
Academy of Science（科学院）；TJHSST
随着机器学习和网络安全在数字生态系统的背景下持续爆炸，网络安全数据的复杂性与复杂且规避的机器学习算法相结合，导致在设计用于智能自动异常分类的端到端系统时遇到巨大困难。另一方面，传统的系统使用基本的统计技术，往往不准确，导致集中式数据分析平台薄弱。在本文中，我们提出了一个新的系统，解决这两个问题，名为CAMLPAD，网络安全自主机器学习平台异常检测。CAMLPAD系统简化的整体方法首先使用elasticsearch实时的检索大量不同种类的网络安全数据，然后运行几种机器学习算法，即隔离森林，基于直方图的离群值得分（HBOS），基于聚类的局部离群值因子（CBLOF）和K均值聚类，以处理数据。接下来，使用Kibana将计算出的异常可视化，并为其分配一个离群值分数，该分数作为是否应向系统管理员发送网络中存在潜在异常的警报的指标。在模拟环境中对我们的平台进行全面测试后，CAMLPAD系统达到了95%的调整后rand分数，显示了系统可靠的准确性和精度。总而言之，CAMLPAD系统为实时的网络安全异常检测提供了一种准确、简化的方法，提供了一种有可能彻底改变网络安全领域的新型解决方案。
2019-07-23 cs.CR cs.LG cs.NI
Cyber Dynamics I: Finite Macrostates for Behavioral Anomaly Detection in Network Telemetry
Old Dominion University（老道明大学）
针对网络遥测行为异常检测，提出有限维宏观状态框架，在CSTS上实例化，对相关元素粗粒度处理，建模宏观状态转换，经数据集评估，相比多种基线和检测器，提升异常判别能力及行为分析可解释性。
2026-08-17 cs.CR
