AI Agents vs. Human Investigators: Balancing Automation, Security, and Expertise in Cyber Forensic Analysis
Florida Institute of Technology（佛罗里达理工学院）；Rochester Institute of technology（罗切斯特理工学院）
本研究比较了AI代理与人类调查员在网络取证分析中的有效性，揭示AI的局限性及人类监督的重要性。
2026-01-20 cs.CR
An Advanced Cyber-Physical System Security Testbed for Substation Automation
本研究设计并开发了一个面向变电站自动化的CPS安全测试平台，可评估实时动态，演示基于IEC 61850的SV和GOOSE协议网络攻击，并评估检测与缓解策略的部署时间框架。
2025-05-29 cs.CR cs.SY eess.SY
Artificial Intelligence in Cybersecurity: Building Resilient Cyber Diplomacy Frameworks
本文研究如何将自动化与人工智能战略性地整合进美国网络外交，以提升决策效率、预测分析和实时响应能力，同时强调人类监督与治理框架以应对伦理和安全风险。
2024-11-17 cs.AI cs.CR cs.CY
A Red Teaming Framework for Evaluating Robustness of AI-enabled Security Orchestration, Automation, and Response Systems
Indiana University, Bloomington, IN, United States（印第安纳大学）；United States Military Academy, West Point, NY, United States（西点军校）
本文提出了一种结合大语言模型和强化学习的自主红队框架，用于评估企业网络中自主防御系统的鲁棒性，展示了单一LLM代理在多阶段攻击中的不足以及领域特定安全模型的局限性。
2026-05-16 cs.CR
Cyber Attack Mitigation Framework for Denial of Service (DoS) Attacks in Fog Computing
本文提出一种针对雾计算中DDoS攻击的自动化网络威胁缓解框架，采用设备、雾和云多层安全方法，结合防火墙规则、统计和行为分析及深度包检查技术，实现从检测到缓解的全面网络保护。
2025-09-15 cs.CR
AI-Driven Cyber Threat Intelligence Automation
Faculty of Computer Science, University of Guelph（圭尔夫大学计算机科学学院）
针对工业环境中CTI依赖人工、效率低的问题，提出基于GPT-4o与单样本微调的微软安全技术自动化方案，可减少人工并保持报告精度。
2024-10-26 cs.AI cs.CR cs.CY
Security and Human-Centered Assessment of BACnet-Controlled DALI Infrastructure in an Educational Building Automation Testbed
University of Bern（伯尔尼大学）
通过结合网络枚举、对象级检查、物理机架分析和反思性HCI分析，评估BACnet/IP楼宇自动化测试床中DALI照明的安全性，强调BACS评估不仅涉及技术协议，还需可用工具、物理可观测性、可解释命名和安全的命令优先级心智模型。
2026-06-17 cs.CR cs.HC
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
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
EVSOAR: Security Orchestration, Automation and Response via EV Charging Stations
针对车辆网络安全现有方案依赖蜂窝网络存在可扩展性与拥塞问题，研究提出利用充电站提供连接和计算的EVSOAR架构，实现近车实时威胁分析与响应，显著提升延迟、稳定性和可扩展性。
2025-03-21 cs.CR cs.SY eess.SY
An Overview of Cyber Threats, Attacks, and Countermeasures on the Primary Domains of Smart Cities
智慧城市是通过数字技术增强现有设施和服务以造福人民和公司的地方。这个城市最重要的基础设施是相互连接的。增加市政领域之间的数据交换旨在管理基本资产，从而提高城市治理的自动化程度，并优化动态提供的服务。然而，对于这些数据流的建模，没有明确的指导方针或标准。因此，运营商、市政当局、政策制定者、制造商、解决方案提供商和供应商被迫接受可扩展性有限且需求多变的系统。尽管如此，提高对智慧城市网络安全的认识并采取适当措施保护公民的隐私和安全至关重要，因为网络威胁似乎是有组织的，多样化的和复杂的。本研究旨在概述智能城市主要领域（智能政府，智能移动，智能环境，智能生活，智能医疗，智能经济和智能人）的网络威胁，攻击和对策，以向决策者提供从最先进技术中提取的信息，以感知关键情况，同时成为科学界的宝贵资源。
2022-07-10 cs.CR
A Comprehensive Overview of Large Language Models (LLMs) for Cyber Defences: Opportunities and Directions
本文综述了大型语言模型在网络防御中的应用，分类涵盖威胁情报、漏洞评估等七大领域，分析了从Transformer到GPT的演进、各领域优劣、挑战及未来研究方向。
2024-05-23 cs.CR
An Interview Study on Third-Party Cyber Threat Hunting Processes in the U.S. Department of Homeland Security
本文通过对美国国土安全部11名威胁狩猎者的访谈研究，首次记录了第三方网络威胁狩猎的实践流程、挑战与解决方案，并为团队改进及未来研究方向提供了建议。
2024-02-19 cs.CR cs.SE
Data-Driven Intelligence can Revolutionize Today's Cybersecurity World: A Position Paper
本文提出数据驱动智能借助AI和机器学习可变革网络安全，通过自动化、实时检测和预测分析提升效率并辅助人类决策。
2023-08-09 cs.CR
Security Orchestration, Automation, and Response Engine for Deployment of Behavioural Honeypots
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
网络安全对于拥有IT/OT网络的组织来说是一个至关重要的话题，因为他们总是容易受到攻击，无论是内部还是外部。由于网络环境是一个不断发展的场景，人们必须不断升级其安全系统，以提高基础设施的安全性。安全信息和事件管理（SIEM）、端点检测和响应（EDR）、威胁智能平台（TIP）、信息技术服务管理（ITSM）等工具，以及入侵检测系统（IDS）、入侵防护系统（IPS）等其他防御技术，都可以增强基础设施的网络安全态势。然而，所提出的保护机制有其局限性，它们不足以确保安全性，并且攻击者穿透网络。欺骗技术与蜜罐技术一起，为攻击者提供了目标系统脆弱性的虚假感觉。被欺骗的攻击者透露了关于他们作案手法的威胁情报。我们已经开发了一个安全监测、自动化和响应（SOAR）引擎，它可以根据攻击者的行为在内部网络基础设施内动态部署自定义蜜罐。该体系结构足够健壮，可以支持多个连接到系统并用于编排的数据库。检测到网络中蜜罐上存在僵尸网络流量和DDOS攻击，以及恶意软件收集系统。在暴露于实时流量四天后，我们的引擎动态编排了40次蜜罐，检测到7823次攻击，965个DDOS攻击数据包和3个恶意样本。虽然我们的静态蜜罐实验显示每个实例的平均攻击时间为102秒，但我们基于SOAR引擎的动态蜜罐平均攻击时间为3148秒。
2022-01-14 cs.CR cs.LG
Automated Cyber Defence: A Review
Cardiff University（卡迪夫大学）
近年来，网络犯罪分子在一系列网络系统中策划了各种有组织和坚决的网络攻击，对私人和政府机构造成了严重影响。当前基于安全的自动化和编排专注于自动化固定用途和硬编码解决方案，这些解决方案很容易被现代网络攻击超越。自动网络防御的研究将允许通过顺序决策代理自主防御网络系统来开发和实现情报响应。本文通过分为两个子领域的需求分析全面阐述了自动化网络防御的发展，即自动化防御和攻击代理和自主网络操作（ACO）健身房。需求分析允许比较自动化代理，并强调ACO健身房的重要性，为他们的持续发展。的需求分析也被用来批评ACO健身房的总体目标是开发他们在现实世界的网络系统中部署自动化代理。从总体分析中解决了相关的未来挑战，以加速自动网络防御领域的发展。
2023-03-08 cs.AI cs.CR
Secure and Computationally-Efficient Cryptographic Primitive based on Cellular Automation
提出了一种基于一维元胞自动机的随机数发生器Mageto。提出并讨论了使用Mageto实现安全性的三个步骤。实现在广泛的硬件和软件场景中非常有效。它包括物联网（IoT）和网络物理系统的高级应用，这两者都是计算效率高的加密原语所需的。此外，所提出的原语固有地抵抗侧信道攻击（SCA），其中许多当前可用的密码（诸如AES）需要额外的硬件或软件努力来防止SCA攻击线。
2019-01-10 cs.CC cs.CR cs.FL
Towards Zero Touch Networks: Cross-Layer Automated Security Solutions for 6G Wireless Networks
Ontario Tech University（安大略理工大学）；Khalifa University（哈利法大学）；Western University（西安大略大学）；Ciena（Ciena公司）
本文针对6G零接触网络的安全需求，提出一种结合漂移自适应在线学习与增强连续减半AutoML的跨层自动化安全框架，有效解决物理层认证与跨层入侵检测任务，推动6G网络实现完全自主安全。
2025-02-28 cs.CR cs.LG cs.NI
Incidents Are Meant for Learning, Not Repeating: Sharing Knowledge About Security Incidents in Cyber-Physical Systems
网络物理系统（CPS）是工业自动化和运输系统等最关键基础设施的一部分。因此，针对CPS的安全事件可能会对资产和人员造成破坏性后果。由于以前的事件往往会再次发生，因此共享有关这些事件的知识可以帮助组织更好地预防，减轻或调查未来的事件。本文提出了一种新的方法，使表示和知识共享CPS事件在不同的组织。为了支持共享，我们表示事件知识（事件模式），捕获可以再次出现的事件特征，例如犯罪者利用的事件活动或漏洞。事件模式是特定事件实例的更抽象的表示，因此，它足够通用，可以应用于各种系统-不同于事件发生的系统。它们还可以避免披露有关组织资产和资源的潜在敏感信息。我们提供了一个自动化的技术，从一个特定的事件实例中提取事件模式。为了理解事件模式如何在其他网络物理系统中再次出现，我们还提供了一种自动化技术来将事件模式实例化到特定系统。我们证明了我们的方法在智能建筑的应用领域的可行性。我们评估的正确性，可扩展性和性能使用两个实质性的场景，灵感来自现实世界的系统和事件。
2019-06-29 cs.CR
A Systematic Review of Algorithmic Red Teaming Methodologies for Assurance and Security of AI Applications
Infosys Limited（印孚瑟斯有限公司）
本文系统综述了自动化红队方法的现有研究，探讨其方法、工具、优势与局限，并指出未来改进方向，以提升AI应用的安全保障能力。
2026-02-24 cs.AI cs.CR
Hephaestus: Toward a Cybersecurity AI Scientist
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安全学院）
本文提出网络安全AI科学家概念，针对非平稳领域设计模块化多智能体研究系统，以四零框架协调问题构建、威胁建模、工具生成、实验评估等，实现端到端研究自动化。
2026-06-29 cs.CR
The Hidden Dangers of Outdated Software: A Cyber Security Perspective
本文从网络安全视角出发，结合统计数据、真实案例与趋势分析，揭示过时软件的隐性危害，剖析漏洞本质与补丁推广障碍，提出自动化、宣传等解决方案，呼吁建立前瞻性更新策略以保护数字生态。
2025-05-20 cs.CR
GARAGE: Characterizing the Automation Boundary in LLM-based Attack Graph Generation
School of Cybersecurity, Korea University（高丽大学网络安全学院）；Samsung Electronics（三星电子）；Agency for Defense Development (ADD)（国防发展局）
研究针对现代车辆安全CTI合成难题，提出GARAGE框架，通过RAG技术将碎片化CTI转化为特定领域知识库用于攻击图生成，经实验验证能准确转移安全知识，还可作为TARA支持工具提供性价比分析以指导在各LLM层级部署。
2026-07-21 cs.CR
Use of Artificial Intelligence Techniques / Applications in Cyber Defense
NATO CCD COE（北约合作网络防御卓越中心）
如今，考虑到网络防御中使用的过程速度和数据量，在没有自动化系统的帮助下，不能指望仅使用人力进行有效的防御。然而，为了有效地防御网络上的动态演化攻击，很难用传统的固定算法开发软件。这可以通过使用提供灵活性和学习能力的人工智能方法来实现。通过提高防御系统的智能来发展网络防御能力的可能性相当高。考虑到现实生活中与网络防御相关的问题，很明显，只有使用人工智能方法，许多网络防御问题才能成功解决。在这篇文章中，当前的人工智能的做法和技术进行了审查和人工智能在网络防御系统中的使用和重要性。本文的目的是通过考虑和分析目前正在开发的人工智能技术和方法，并将其与网络空间防御中的技术和方法的作用和适应相结合，能够解释这些方法在网络防御领域的使用。
2019-05-24 cs.AI cs.CR
CyberSleuth: Autonomous Blue-Team LLM Agent for Web Attack Forensics
Politecnico di Torino（都灵理工大学）；Huawei Technologies France（华为法国技术有限公司）
CyberSleuth通过LLM代理实现网络攻击自动化取证，展示了多代理专业化和有效设计在提升取证效率中的作用。
2026-03-05 cs.CR
Development of a hardware-In-the-Loop (HIL) testbed for cyber-physical security in smart buildings
本文开发了一套集成Modelica实时建筑仿真、真实HVAC控制器和BACnet远程BAS服务的HIL测试平台，以评估智能建筑BAS的信息物理安全并支持攻击注入实验。
2023-04-20 cs.CR
Assembling a Cyber Range to Evaluate Artificial Intelligence / Machine Learning (AI/ML) Security Tools
在这个案例研究中，我们描述了在橡树岭，田纳西州，美国橡树岭国家实验室的网络安全测试平台的设计和组装。该系列旨在提供敏捷的重新配置，以促进各种网络安全工具评估实验-特别是涉及AI/ML的实验。特别地，该试验台提供了真实的试验环境，同时允许在实验期间进行控制和编程观察/数据汇集。我们设计了重复评估的能力，因此可以在以后评估和比较其他工具。该系统是一个可以按比例放大或缩小的实验规模。在会议召开时，我们将完成两个全面的，国家的，政府的挑战，这一范围。这些挑战是评估基于AI/ML的网络安全工具的性能和运营成本，以应用于大型政府规模的网络。这些评估将被描述为例子，为我们所做的各种设计决策和调整提供动力和背景。第一个挑战是针对10万个文件样本（良性软件和恶意软件）测量端点安全工具，这些样本是在一系列文件类型中选择的。第二个是评估网络入侵检测系统在识别多步骤对抗活动中的功效-涉及侦察，渗透和利用，横向移动等-在高容量的业务网络中具有不同的隐蔽性水平。这些挑战的规模要求自动化系统重复或同时镜像每个测试中的ML工具的相同实验。提供一系列从容易到困难的恶意活动来了解AI/ML工具的真正能力，是设计和执行这些挑战事件的一个特别有趣和具有挑战性的方面。
2022-01-20 cs.CR
AI Security Threats against Pervasive Robotic Systems: A Course for Next Generation Cybersecurity Workforce
Mississippi State University（密西西比州立大学）
机器人技术、自动化和相关的人工智能（AI）系统已经变得普遍，带来了与安全性、准确性和信任相关的担忧。随着人们越来越依赖与人类密切接触的物理机器人，这些系统的安全性变得越来越重要，以防止可能导致隐私侵犯、关键操作破坏和身体伤害的网络攻击。目前缺乏专业人员谁可以捍卫这种系统要求开发和整合这样的课程。本课程描述包括关于“针对普适机器人系统的AI安全威胁”的七个独立和自适应模块的详细信息。主题包括：1）介绍，攻击的例子和动机; 2）-机器人AI攻击表面和渗透测试; 3）-输入传感器的攻击模式和安全策略; 4）-训练攻击和相关的安全策略; 5）-推理攻击和相关的安全策略; 6）-执行器攻击和相关的安全策略;和7）-人工智能，机器人和网络安全的伦理。
2023-02-15 cs.AI cs.CR cs.LG
$AutoGuardX$: A Comprehensive Cybersecurity Framework for Connected Vehicles
针对联网汽车面临的复杂网络威胁及现有安全措施的局限性，本文提出融合ISO/SAE 21434等标准与先进技术的综合网络安全框架$AutoGuardX$，经多品牌车型模拟评估，证明其对威胁的适应性、可扩展性和有效性。
2025-08-26 cs.CR cs.ET
Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS
University of Oxford（牛津大学）；armasuisse Science and Technology（armasuisse科学与技术）
网络攻击的数量、频率和复杂性都在增加。作为回应，安全社区正在寻求使用机器学习实现完全自动化的网络防御系统。然而，到目前为止，对攻击者和防御者的共同进化动力学的结果的影响还没有被检查。在本白皮书中，我们假设双方自动化程度的提高将加速共同进化周期，从而引出了是否存在任何由此产生的固定点以及它们如何表征的问题。在欧洲最大的网络防御演习Locked Shields的威胁模型中，我们研究了网络分类器上的黑盒对抗攻击。考虑到现有的攻击能力，我们质疑基于最小规避距离的最佳规避攻击框架的实用性。相反，我们提出了一种新的强化学习设置，可用于有效地生成任意对抗扰动。然后，我们认为攻击者-防御者不动点本身是具有复杂相变的一般和游戏，并引入了一个时间扩展的多智能体强化学习框架，在该框架中可以研究所产生的动态。我们假设AI-NIDS的一个合理的固定点可能是防御策略严重依赖白名单特征流子空间的场景。最后，我们证明了一个持续学习的方法是必要的研究攻击者-防御者动态的时间扩展的一般和游戏。
2021-11-23 cs.AI cs.CR
AEGIS: White-Box Attack Path Generation using LLMs and Training Effectiveness Evaluation for Large-Scale Cyber Defence Exercises
Cyber Defence Test and Evaluation Centre (CyTEC)（网络防御测试与评估中心）；The Digital and Intelligence Service (DIS)（数字与情报服务）；Singapore Armed Forces（新加坡武装部队）
AEGIS利用LLMs和白盒访问生成攻击路径，通过自动化漏洞链发现和验证，提升大规模网络防御演习的效率和效果
2026-01-30 cs.AI cs.CR
CRUPL: A Semi-Supervised Cyber Attack Detection with Consistency Regularization and Uncertainty-aware Pseudo-Labeling in Smart Grid
Indian Institute of Technology Dharwad（印度达尔瓦德理工学院）；Rajiv Gandhi Institute of Technology（拉吉夫·甘地理工学院）
本文提出半监督方法CRUPL，利用一致性正则化、伪标签与课程学习处理智能电网未标签数据，在未知样本下将检测准确率提升至99%并显著减少误报。
2025-03-01 cs.AI cs.CR cs.LG
Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree
本文提出基于攻击-防御树的方法，用于评估连接和自动驾驶车辆在网络安全方面的脆弱性。
2025-12-09 cs.CR cs.NI
Cyber-attack TTP analysis for EPES systems
本文分析针对关键EPES基础设施的先进网络攻击TTPs，并在希腊一家大型公用事业发电厂演示其对智能电表和PLC的远程命令利用与执行。
2025-07-26 cs.CR cs.NI
CyberSOCEval: Benchmarking LLMs Capabilities for Malware Analysis and Threat Intelligence Reasoning
针对现有评估未充分覆盖现实安全场景的问题，本文提出CyberSOCEval基准，评估LLMs在恶意软件分析和威胁情报推理任务的能力，为开发者和用户提供方向，指出模型改进机会。
2025-11-10 cs.AI cs.CR
Designing Actively Secure, Highly Available Industrial Automation Applications
可编程逻辑控制器（PLC）执行驱动工业自动化和控制系统（IACS）的关键控制软件。PLC很容易成为网络对手的目标，因为它们资源有限，并且通常使用传统的、功能较弱的安全措施来构建。安全攻击会严重影响系统可用性，这是IACS的基本要求。我们提出了一种方法，使PLC应用程序更加安全意识。基于著名的IEC 61499功能块标准开发IACS软件，我们的方法允许设计人员在设计时注释应用程序的关键部分。在部署时，应用程序的这些部分将使用适当的安全机制自动保护，以检测和防止攻击。我们提出了一个总结的可用性攻击分布式IACS应用程序，可以减轻我们提出的方法。安全机制是使用IEC 61499服务接口功能块（SIFBs）嵌入入侵检测和防御系统（IDPS），在编译时添加到应用程序实现的。这种方法更适合于提供主动安全保护，以防止对先前未知（零日）漏洞的攻击。我们在Wago PFC 200 PLC上执行的IEC 61499应用程序上测试了我们的解决方案。实验表明，我们可以成功地记录和防止在应用程序级的攻击，以及帮助应用程序优雅地降级到安全模式，从而提高可用性。
2021-01-06 cs.CR cs.SE
Graph-based Cyber Security Analysis of State Estimation in Smart Power Grid
Shenzhen University（深圳大学）；The Chinese University of Hong Kong（香港中文大学）；Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学（深圳）研究院）
本文提出基于图的网络安全分析框架，用于智能电网状态估计，通过直观可视化复杂问题结构，提升电网信息安全防护与攻击能力。
2016-12-18 cs.CR cs.SY eess.SY
Enhancing Industrial Cybersecurity: SoftHSM Implementation on SBCs for Mitigating MITM Attacks
针对工业场景下MITM攻击风险与传统HSM成本高的问题，提出在SBC上部署集成AES、RSA算法的SoftHSM方案，验证了其密钥防护能力与良好的性能功耗表现，提供低成本工业安全方案。
2024-09-16 cs.AR cs.CR
ESASCF: Expertise Extraction, Generalization and Reply Framework for an Optimized Automation of Network Security Compliance
Department of Computer Sciences, University of Liverpool（利物浦大学计算机科学系）；Technology Innovation Institute, Abu Dhabi（阿布扎比技术创新研究所）
本文提出ESASCF专家系统自动化安全合规框架，可提取复用VA、PT的专家知识，在企业网络测试中显著缩短合规审计时间、降低成本并提升合规置信度。
2025-01-19 cs.CR cs.NI
False Alarms, Real Damage: Adversarial Attacks Using LLM-based Models on Text-based Cyber Threat Intelligence Systems
Faculty of Sciences, University of Lisbon（里斯本大学科学学院）；CIENCES, University of Lisbon（里斯本大学CIENCES）
研究针对文本网络威胁情报（CTI）系统的对抗攻击，分析逃避、淹没和投毒三种攻击类型，重点展示对抗文本生成如何欺骗分类器、降低性能并破坏系统功能。
2026-01-28 cs.AI cs.CR cs.LG
A Data-Centric Approach to Generate Invariants for a Smart Grid Using Machine Learning
DHA Suffa University（DHA Suffa大学）；Singapore Institute of Technology（新加坡理工大学）
本文提出数据驱动方法生成智能电网过程物理行为的不变量，用于检测网络中异常以防御网络攻击。
2022-02-14 cs.CR cs.LG
Backdoor Attacks on Fault Detection and Localization in Cyber-Physical Systems
本文研究针对现代信息物理系统中基于机器学习的故障检测与定位机制的后门攻击，通过设计触发器并评估攻击成功率，实验表明即使仅投毒10%的数据也能成功实施攻击。
2026-05-26 cs.AI cs.CR cs.LG
Software Repositories and Machine Learning Research in Cyber Security
Department of Computer Science, University of Wisconsin-Eau Claire（威斯康星大学欧克莱尔分校计算机科学系）
本文研究如何利用 CAPEC、CVE 等安全仓库及监督机器学习方法，在软件需求阶段自动识别漏洞，以提升安全软件开发能力。
2023-11-01 cs.CR cs.LG cs.SE
A Review of Cyber-Ranges and Test-Beds: Current and Future Trends
事实证明，网络态势感知对于全面了解组织内的威胁和漏洞具有重要价值，因为暴露程度取决于当前的网络卫生水平和既定流程。对安全规定进行更准确的评估，可以了解需要更勤奋管理的最脆弱环境。网络攻击自动化的迅速扩散正在缩小信息技术和业务技术之间的差距，审查目前抵御新的复杂网络攻击、趋势、技术和缓解对策的稳健性水平的必要性已变得紧迫。更深层次的特征也是预测未来漏洞的基础，进而指导最合适的部署技术。因此，更新已建立的做法和培训的范围，以支持用户和操作员的决策。提供培训的基础是使用网络范围（CR）和测试床（TB），这些平台/工具有助于加深对攻击演变的理解，以及部署最有效的对策以阻止违规行为的方法。在本文中，评估记录的CR和TB平台的评价。CR和TB按类型、技术、威胁情景、应用和可实现的培训范围进行分类。为了丰富对记录的CR和TB研究的分析并限制研究，开发了一种分类法，以提供对CR和TB未来的更广泛理解。该分类详细阐述了CR/TB的不同维度，并强调了应用领域之间的差异。
2020-10-14 cs.CR cs.HC cs.SY
Cloud Investigation Automation Framework (CIAF): An AI-Driven Approach to Cloud Forensics
University of Arizona（亚利桑那大学）
针对云取证人工分析效率低、易出错的问题，提出本体驱动的云调查自动化框架CIAF，通过语义验证标准化输入，在Azure勒索软件日志检测中精确率、召回率、F1值均达93%，可适配多类网络攻击，为自动化云取证奠定基础。
2025-10-01 cs.AI cs.CR cs.LG
A Queueing-Theoretic Framework for Dynamic Attack Surfaces: Data-Integrated Risk Analysis and Adaptive Defense
Korea University（韩国大学）；The Ohio State University（俄亥俄州立大学）；University at Buffalo (SUNY)（布法罗大学（SUNY））
本文提出一个排队论框架来建模网络攻击面的动态变化，通过引入AI放大因子分析自动化对攻击和防御动态的影响，并开发基于强化学习的自适应防御策略以减少成功攻击和缓解长尾队列事件。
2026-04-16 cs.AI cs.CR cs.LG
