Cybersecurity in Industry 5.0: Open Challenges and Future Directions
本文分析了Industry 5.0面临的网络安全威胁与对策,指出现有实施框架无法确保从Industry 4.0安全过渡,强调亟需开发以网络安全为中心的新框架以保障组织安全采用。
2024-10-12 cs.CR
SoK: A Taxonomy for Cybersecurity Incident Response Influence Factors
FH Münster University of Applied Sciences(明斯特应用科学大学);Fraunhofer SIT and National Research Center for Applied Cybersecurity ATHENE(弗劳恩霍夫SIT和应用网络安全国家研究中心ATHENE);Graduate School for Applied Research in North Rhine-Westphalia (Graduate School NRW)(北莱茵-威斯特法伦州应用研究研究生院);International Computer Science Institute, UC Berkeley(加州大学伯克利分校国际计算机科学研究所)
通过系统文献综述,提出网络安全事件响应影响因素分类体系(CIR-IF Taxonomy),整合技术、人机交互、组织理论和人为因素,为事件响应研究提供结构化框架。
2026-07-03 cs.CR
Everyone Needs AIR: An Agnostic Incident Reporting Framework for Cybersecurity in Operational Technology
Edinburgh Napier University(爱丁堡纳皮尔大学)
本文提出AIR框架,通过25个元素七组结构标准化OT事件报告,映射标准并回溯验证,支持态势感知与跨方协调。
2025-10-22 cs.CR
Sensemaking in Cybersecurity Incident Response: The Interplay of Organizations, Technology and Individuals
意义建构是组织中的一项重要活动。这是一个过程,通过这个过程,个人赋予事件以意义,这构成了促进集体行动的基础。然而,组织、技术和个人在意义建构过程中的作用及其相互作用还没有得到充分的探讨。这项新颖的研究旨在通过提出一个框架来解决这一差距,该框架解释了组织、技术和个人之间的相互作用如何在网络安全事件响应过程中实现意义传达。我们建议,组织,技术和个人的关键组成部分,以各种方式相互作用,以促进制定,选择和保留活动(意义建构活动)的事件响应。我们认为,事件反应中的意义建构是这种互动的结果。这种互动使组织能够以全面的方式应对网络安全事件。
2021-07-06 cs.CR cs.CY
Towards a Comprehensive Framework for Cyber-Incident Response Decision Support in Smart Grids
针对智能电网网络安全威胁,本文整合攻击—防御树与多准则决策方法,提出支持风险分析、防御策略优化和安全措施优先级排序的综合事件响应决策框架。
2025-01-10 cs.CR
Forecasting Cybersecurity Incidents Using Geopolitical Data and Large Language Models
Tel Aviv University(特拉维夫大学);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本研究利用地缘政治数据和大语言模型预测网络安全事件,结合网络测量提升准确性,优于现有技术,并分析了数据源的有效性。
2026-10-06 cs.CR
Bridging the Cybersecurity Gap Between Web2 and Web3 -- An Incident-Based Analysis of Organizational and Application-Level Security Failures
Chain Horizon GmbH(链地平线有限公司)
本文通过分析Web3生态系统中公开记录的高影响安全事件,揭示了现有安全控制框架在应对Web3特定风险时的不足,并提出针对区块链系统的定制化安全控制类别,以弥补通用安全治理框架与Web3基础设施领域风险之间的差距。
2026-05-18 cs.CR
Human Factors in Cybersecurity in Icelandic Small and Medium-sized Enterprises
University of Iceland(冰岛大学)
通过调查冰岛130个公共和私营部门组织,从管理视角识别出人为因素(如培训不足、招聘问题、安全文化薄弱和资源限制)是网络安全的主要挑战,并提出针对性缓解建议。
2026-06-01 cs.CR cs.CY cs.HC
Employing LLMs for Incident Response Planning and Review
本文提出利用大语言模型(如ChatGPT)辅助事件响应规划(IRP)的起草、审查与完善,帮助组织克服资源限制并提升网络安全事件的响应准备度,同时强调人工监督的必要性。
2024-03-02 cs.CR
Measuring likelihood in cybersecurity
INFOTEC Center for Research and Innovation in Information and Communication Technologies(墨西哥信息与通信技术研究与创新中心);National Supreme Court of Justice, Mexico(墨西哥最高法院);Faculty of Law of Mazatlan of the Autonomous University of Sinaloa(锡那罗亚自治大学马萨特兰法学院);Instituto Politecnico Nacional, ESIME Culhuacan(墨西哥国立理工学院库卢阿坎工业与机械工程学院);Royal Holloway, University of London(伦敦大学皇家霍洛威学院)
本文提出了一种通过整合外部网络安全知识和组织特定 telemetry 的图形表示来度量可能性的管道,通过统一数据模型和组织特定的配置文件,实现了四个基于事件证据的构造的正式规范。
2026-04-20 cs.CR
On The Effectiveness of the UK NIS Regulations as a Mandatory Cybersecurity Reporting Regime
The Alan Turing Institute(艾伦·图灵研究所)
通过分析2024年英国NIS法规下报告的事件和情报机构数据,发现NIS报告仅覆盖了实际重大网络安全事件的三分之一,且针对医疗系统的攻击100%为勒索软件,表明该法规有效性有限。
2026-05-29 cs.CR cs.CY
Investigating cybersecurity incidents using large language models in latest-generation wireless networks
Orenburg State University(奥伦堡国立大学)
本研究针对最新一代无线网络的网络安全事件,通过微调大语言模型(LLM)、合成对抗样本等方法,实现数据投毒攻击的二元分类与检测,Gemma-7b模型表现最优,为网络安全事件调查与决策提供支持。
2025-04-14 cs.AI cs.CR
PHOENI2X -- A European Cyber Resilience Framework With Artificial-Intelligence-Assisted Orchestration, Automation and Response Capabilities for Business Continuity and Recovery, Incident Response, and Information Exchange
本文介绍欧盟资助的PHOENI2X项目,旨在开发一个面向基本服务运营商和成员国当局的、具有AI辅助编排、自动化与响应能力的欧洲网络韧性框架,以提升业务连续性与恢复、事件响应和信息交换能力。
2023-07-18 cs.CR
A Review of Cybersecurity Incidents in the Food and Agriculture Sector
Commonwealth Cyber Initiative, Virginia Tech(弗吉尼亚联邦网络倡议组织,弗吉尼亚理工大学);University of Georgia(佐治亚大学);National Security Institute, Virginia Tech(弗吉尼亚理工大学国家安全研究所);Deloitte & Touche LLP(德勤全球);Bradley Department of Electrical and Computer Engineering, Virginia Tech(弗吉尼亚理工大学布拉德利电气与计算机工程系);Department of Biological Systems Engineering, Virginia Tech(弗吉尼亚理工大学生物系统工程系)
本综述分析了2011至2023年间食品与农业领域的30起网络安全事件,提出以农民为中心的AI(FCAI)框架,通过AI保证支持农业生产决策,以应对日益增长的网络风险。
2024-03-12 cs.AI cs.CR cs.CY
Decisions & Disruptions 2: Decide Harder
本文介绍了一项网络安全事件响应演练,让参与者扮演CISO角色,通过反应性事件机制和随机性模拟真实攻击,以研究风险决策。
2023-06-21 cs.CR
Cybersecurity Guidance for Smart Homes: A Cross-National Review of Government Sources
Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)(可扩展数据分析与人工智能中心);Leipzig University, Germany(莱比锡大学)
本文通过跨国民众审查,分析政府为智能家庭用户提供的网络安全指导类型和内容,发现政府提供大量通用安全建议和报告渠道,但针对智能家庭的结构化事件响应指导较少。
2026-03-23 cs.CR cs.CY
Transportation Cyber Incident Awareness through Generative AI-Based Incident Analysis and Retrieval-Augmented Question-Answering Systems
针对交通网络事件记录分散的问题,提出基于LLM的生成式AI方法提取并结构化多源事件数据,构建交通专用数据库,并开发RAG问答系统以提升查询便利性,增强网络安全意识。
2025-08-04 cs.CR
GraphWeaver: Billion-Scale Cybersecurity Incident Correlation
本文提出工业级框架GraphWeaver,通过地理分布式图方法、最小生成树算法和人机反馈系统等创新,将数十亿安全警报高效关联为综合事件,在Microsoft Defender XDR中实现99%准确率并将存储需求降低7.4倍。
2024-06-03 cs.CR cs.SI
MAGIC: A Method for Assessing Cyber Incidents Occurrence
网络风险评估在网络安全管理中起着至关重要的作用,并已成为某些类型公司和组织的强制性任务。这使得对可靠的网络风险评估工具的需求不断增加,特别是关于基于统计方法的定量工具。然而,概率网络风险评估方法遵循概率风险评估的一般范式,需要将事件的严重程度和可能性作为输入。不幸的是,对于网络事件,很难根据历史和公开数据估计发生的可能性;因此,通常使用专家评估,但这给主观性留下了空间。在本文中,我们提出了一种新的概率模型,称为MAGIC(方法评估网络事件oCcurrence),计算发生的网络事件的可能性,基于目标组织的网络态势的评估。这允许为概率风险评估方法(如HTMA(如何衡量网络安全风险中的任何东西),FAIR(信息风险因素分析)等)导出量身定制的输入,从而大大降低了网络风险评估中的主观性。我们通过与几种经典方法的定性和定量比较来证实我们的方法。
2022-06-23 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
Observability and Incident Response in Managed Serverless Environments Using Ontology-Based Log Monitoring
针对完全托管无服务器环境可观测性受限的问题,提出三层安全方案,利用日志本体构建统一活动知识图谱,并通过事件响应仪表板和CoA风险评估框架提升响应与风险优先级排序能力。
2024-05-12 cs.CR
Bridging Cybersecurity Practice and Law: a Hands-on, Scenario-Based Curriculum Using the NICE Framework to Foster Skill Development
Cleveland State University(克利夫兰州立大学)
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
Individual and Contextual Variables of Cyber Security Behaviour -- An empirical analysis of national culture, industry, organisation, and individual variables of (in)secure human behaviour
本研究基于37,075条记录分析影响网络安全行为的个体与情境变量,发现国家文化、行业和组织文化在情境层面,人口统计与安全特定因素在个体层面均显著影响安全行为,为组织定制安全培训与干预提供了实证依据。
2024-05-29 cs.CR
Accelerating Incident Response: A Hybrid Approach for Data Breach Reporting
IMT School for Advanced Studies Lucca(卢卡高等研究学院);University of Cagliari(卡利亚里大学);University of Salerno(萨莱诺大学);Sant’Anna School of Advanced Studies(圣安娜高等研究学院);University of Camerino(卡梅里诺大学)
本文提出了一种混合恶意软件分析流程,利用大型语言模型和JSON模式自动化数据泄露报告,以提高合规性与效率。
2026-02-24 cs.CR
A Method Based on Deep Learning for the Detection and Characterization of Cybersecurity Incidents in Internet of Things Devices
鉴于物联网网络的日益增长及其在人类活动的关键方面的存在,连接到这些网络的设备的安全性变得至关重要。机器学习方法作为计算机网络中的安全解决方案的使能者正变得突出,这是由于其处理流量信息以检测可能代表针对基础设施的攻击的异常模式的能力。在本文中,我们建议利用卷积和递归神经网络,这两个工件已成功地用于上下文,如图像处理的模式识别,用于开发一个安全解决方案,用于物联网的背景下。我们的研究结果表明,当使用最先进的数据集进行评估时,这种方法在攻击的二进制分类(即正常流量与攻击流量)中的准确率约为99%,在多类分类(识别不同类型的攻击)准确率为96%。这些结果优于文献中的建议,显示了为物联网基础设施开发安全解决方案的前景。
2022-03-01 cs.CR cs.NI
Cybersecurity Risk Assessment for CubeSat Missions: Adapting Established Frameworks for Resource-Constrained Environments
University of Oxford(牛津大学)
本文提出适用于立方卫星环境的网络安全风险评估框架,通过引入安全每瓦(SpW)启发式方法和分布式安全范式(DSP),在资源受限条件下提升安全性和响应效率。
2026-03-31 cs.CR
A Blueprint for Collaborative Cybersecurity Operations Centres with Capacity for Shared Situational Awareness, Coordinated Response, and Joint Preparedness
Sphynx Analytics Limited(Sphynx Analytics有限公司);University of Oslo(奥斯陆大学);Technical University of Crete(克里特理工大学)
本研究提出一份概念蓝图,用于构建兼具共享态势感知、协调响应与联合准备能力的可互操作网络安全运营中心,以提升国家网络安全能力与跨境协作,符合欧盟相关监管要求。
2026-08-11 cs.CR cs.CY
Rethinking Satellite Cybersecurity: A System-Level Taxonomy and Longitudinal Analysis
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文针对卫星网络安全,提出受MITRE ATT&CK启发的系统级攻击生命周期分类,通过分析多轨道卫星段、200余起公开事件,揭示攻击趋势转变,并结合案例验证框架实用性,支撑卫星安全防御相关工作。
2026-08-04 cs.CR
The Human-Machine Identity Blur: A Unified Framework for Cybersecurity Risk Management in 2025
Independent Researcher New Jersey, USA
针对人机身份数量失衡、身份交叉带来的网络安全风险与现有身份管理的治理缺口,提出基于四项核心原则的统一身份治理框架,可显著降低安全事件并提升响应效率,同时给出实施路线与研究方向。
2025-03-24 cs.AI cs.CR
Multi-Agent Collaboration in Incident Response with Large Language Models
Georgia Institute of Technology(佐治亚理工学院)
本文利用Backdoors & Breaches框架研究基于LLM的多智能体协作在事件响应中的应用,通过集中式、分散式和混合式团队结构模拟IR动态,揭示了LLMs在提升决策、适应性和流程效率方面的潜力。
2024-12-27 cs.CL cs.CR
Agentic AI Cybersecurity Framework
University of Colorado Denver(科罗拉多大学丹佛分校);ATLAS Institute, University of Colorado Boulder(阿特拉斯研究所,科罗拉多大学博尔德分校)
针对传统被动网络防御的不足,提出Agentic AI网络安全框架(AACF),利用智能体实现自主、自适应防御,支持主动威胁检测与协调响应,奠定智能安全基础设施基础。
2026-09-24 cs.CR
A Structuration Approach to Theorizing Cybersecurity Practice: The STARC Model
School of Computing and Information Systems, The University of Melbourne(墨尔本大学计算与信息学学院)
研究聚焦网络安全实践中组织复原力差异问题,开发STARC框架,通过扩展结构化理论,经对三个金融组织分析验证,解释了不同资源和外包组织复原力差异原因,还给出跨边界故障诊断词汇表及七个可测试命题。
2026-07-29 cs.CR
Topological Attribution Distance (TAD): Revealing Segment-Level RAG Influence on LLM Output Geometry for Incident Log Analysis
Rochester Institute of Technology(罗切斯特理工学院);Gonzaga University(贡萨加大学)
该研究针对LLM在网络安全应用中证据归因追踪的缺口,提出拓扑归因距离(TAD)方法,可自适应识别对LLM输出关键的事件日志,为证据验证提供可解释追踪。
2026-08-18 cs.AI cs.CR
'They're all about pushing the products and shiny things rather than fundamental security' Mapping Socio-technical Challenges in Securing the Smart Home
不安全的连接设备不仅会对灵巧家庭业主造成严重威胁,还会对底层基础设施网络造成严重威胁。从物联网(IoT)供应商和最终用户的角度来看,学术界和监管机构对解决网络安全风险的兴趣越来越大。例如,除了目前的数据保护和网络安全法律框架外,英国政府还发起了“设计安全”运动。虽然已经有关于组织和个人如何管理自己的网络安全风险的工作,但目前尚不清楚物联网供应商在多大程度上支持最终用户以可用的方式对此类风险进行日常管理,以及是什么阻止了供应商改进此类支持。我们采访了物联网领域的13位专家,并确定了使物联网产品可用安全的三大类障碍:技术,法律和组织。在本文中,我们进一步讨论这些发现的政策含义,并提出一些建议。
2021-05-25 cs.CR cs.CY cs.HC
Research Methodologies for Cybersecurity in Enterprise Environments: A Narrative Review, Synthesis and Executable Guide
University of Wisconsin-Stout(威斯康星大学斯托特分校);Department of Mathematics, Statistics & Computer Science(数学、统计与计算机科学系)
本文针对企业网络安全研究的方法选择问题,通过对151篇文献的综述综合,划分11个方法家族并转化为可执行协议,提出受有效性推理约束的方法多元主义及研究人员需遵循的评估设计等结论。
2026-08-26 cs.CR
Hybrid Tabletop Exercise (TTX) based on a Mathematical Simulation-based Model for the Maritime Sector
Escuela Superior de Guerra “General Rafael Reyes Prieto”(拉斐尔·雷耶斯·普里托上将高等战争学院);University of Murcia(穆尔西亚大学);Universidad del Rosario(罗萨里奥大学)
本文提出一种基于数学模拟模型的混合桌面演练,用于提升海运领域网络安全态势感知和治理能力。
2026-02-17 cs.CR
Automated Post-Incident Policy Gap Analysis via Threat-Informed Evidence Mapping using Large Language Models
Nanyang Technological University, Singapore(南洋理工大学)
本文提出利用大语言模型进行威胁感知证据映射,实现自动事后政策差距分析,提升网络安全事件审查的效率与可审计性。
2026-01-04 cs.AI cs.CR
A Proactive Insider Threat Management Framework Using Explainable Machine Learning
University of Pretoria(比勒陀利亚大学)
提出IT-XML框架,结合CRISP-DM与隐马尔可夫模型,通过问卷数据和可解释机器学习对组织安全成熟度分类,准确率91.7%,实现主动内部威胁管理。
2025-10-22 cs.CR cs.CY
Toward interoperable representation and sharing of disinformation incidents in cyber threat intelligence
本文提出开源虚假信息威胁情报框架,结合DISARM建模、STIX2映射及DISINFOX交换架构,实现虚假信息事件的可互操作共享,并验证于100多个真实事件。
2025-02-28 cs.CR cs.ET cs.SI
It's more than just money: The real-world harms from ransomware attacks
本文通过分析公开勒索软件案例,提出建模攻击危害的新方法,揭示其超越金钱支付的社会与人身危害及复杂连锁影响,并呼吁提高透明度以改善防护。
2023-07-06 cs.CR cs.CY
The Signalgate Case is Waiving a Red Flag to All Organizational and Behavioral Cybersecurity Leaders, Practitioners, and Researchers: Are We Receiving the Signal Amidst the Noise?
Pamplin College Business, Virginia Tech(弗吉尼亚理工大学潘普林商学院);College of Business at UNLV(内华达大学拉斯维加斯分校商学院)
本研究通过分析2025年Signalgate事件,揭示组织安全中人为错误与治理缺陷的关键作用,并提出强化领导参与、零信任架构等建议以应对行为风险。
2025-10-27 cs.CR cs.CY
Developing cybersecurity education and awareness programmes for Small and medium-sized enterprises (SMEs)
目的:组织网络安全战略的一个重要组成部分是建立对在线威胁的认识和教育,以及如何保护企业数据和服务。这篇研究文章的重点是这个主题,并提出了一个高层次的网络安全教育和意识计划,用于针对城市一级的中小型企业/企业(SMEs/SMB)。我们在现有的研究以及独特的洞察力,以正在进行的城市为基础的项目具有类似的目标这个方案的基础。调查结果:我们发现,虽然文学可以在指导教育和意识方案的信息,它可能并不总是达到现实世界的方案。另一方面,现有方案,例如我们探讨的方案,具有巨大潜力,但也有改进的余地。这些领域的知识可以而且应该结合起来,使学术界和从业者受益。创意/价值:该研究通过概述针对中小企业的网络安全教育和意识的高级别计划,为当前的研究做出了贡献。通过这项研究,我们参与了这一领域的文献反思,并提出了对正在进行的计划所面临的进步和挑战的见解。这些分析使我们能够制定一个核心计划的建议,该计划可以帮助改善针对中小企业的安全教育,意识和培训。
2019-06-23 cs.CR cs.CY cs.HC
Operationalising Cyber Risk Management Using AI: Connecting Cyber Incidents to MITRE ATT&CK Techniques, Security Controls, and Metrics
本文提出利用自然语言处理技术,通过自动化将网络安全事件映射到对手技术,构建Cyber Catalog知识库,提升小企业网络安全管理能力。
2026-03-12 cs.AI cs.CR
Assessing Effectiveness of Cyber Essentials Technical Controls
本研究采用事件故障树方法重构45起安全事件,评估Cyber Essentials控制措施的防护效果,发现其可抵御初始阶段多数攻击,深入渗透需补充额外控制,并提出评估师技能拓展方向。
2024-06-21 cs.CR
Advancing Autonomous Incident Response: Leveraging LLMs and Cyber Threat Intelligence
OODRIVE-Trusted Cloud Solutions(OODRIVE可信云计算解决方案);L3i Lab, University of La Rochelle(L3i实验室,拉罗什-科尔贝尔大学)
提出基于RAG和LLM的框架,通过混合检索CTI并生成缓解策略,提升事件响应的准确性与效率,减轻分析师负担。
2025-08-14 cs.CR cs.LG
MITRE ATT&CK Applications in Cybersecurity and The Way Forward
National University of Singapore(新加坡国立大学);NCS Cyber Special Ops R&D(NCS网络特种作战研发部门)
本文综述417篇同行评审论文,梳理MITRE ATT&CK在威胁情报、检测响应及跨框架互操作中的应用,并评估其行业挑战与未来方向。
2025-02-15 cs.AI cs.CR
Cybersecurity AI in OT: Insights from an AI Top-10 Ranker in the Dragos OT CTF 2025
Alias Robotics;Alpen-Adria-Universität Klagenfurt(阿尔卑斯-阿迪亚克拉根福大学)
本文分析 alias1 驱动的网络安全 AI 在 Dragos OT CTF 2025 中的表现,发现其以 37% 的速度优势在早期阶段超越人类团队,但持续多日运营仍受限。
2025-11-07 cs.CR
How Good is Your Data? Investigating the Quality of Data Generated During Security Incident Response Investigations
越来越多的网络安全事件促使组织探索替代安全解决方案,例如威胁情报计划。为了使这些程序取得成功,需要收集、验证数据并将其记录在相关的数据存储中。提供这些数据存储的一个潜在来源是组织的安全事件响应团队。然而,研究人员认为,这些团队更多地关注根除和恢复,而不是提供反馈以加强组织安全。这引发了一种想法,即在安全事件调查期间收集的数据可能不足以进行威胁情报分析。虽然以前的讨论侧重于从威胁情报共享的角度来看数据质量问题,但很少有研究检查事件响应调查期间生成的数据。本文介绍了一个案例研究的结果,确定数据质量的挑战,在财富500强企业的事件响应团队。此外,该文件提供了未来的研究基础,在安全事件响应的数据质量问题。
2019-01-11 cs.CR cs.CY
Information Security Risks Assessment: A Case Study
由于有记录的信息技术倾向的组织未能有效地应对威胁事件的事件,该项目概述了进行全面的风险评估的好处,这将有助于熟练地应对潜在的威胁。最终目标主要是识别、量化和控制不利于实现业务目标的关键威胁。本项目对一个案例研究组织进行了详细的风险评估。它包括一个全面的文献综述,分析了信息安全中紧迫问题的几个专业观点。在风险登记册中,查明了5项主要资产的所有人。这项工作之后是一个定性分析方法,以确定潜在的威胁和脆弱性的程度。通过整理这些参数,可以对每项资产、每种威胁和脆弱性的风险进行评估。评估风险偏好有助于确定可接受风险的优先级。通过分析,得出了人通过有意/无意的人为错误对信息安全造成的最大风险。总而言之,本集团设计了基于深度防御的有效控制技术,以减轻风险登记册中已识别风险的影响。
2018-12-11 cs.CR cs.CY
TrainShield: Targeted Awareness for Cybersecurity Training
Ermes Cybersecurity(Ermes 网络安全);Reply Spike;Politecnico di Torino(都灵理工大学)
本研究提出嵌入用户工作流的场景化网络安全培训范式TrainShield,结合实时风险检测与LLM生成内容,初步验证其可提升风险意识,为行为导向网络安全教育提供新方向。
2026-08-04 cs.CR cs.CY
AI-Driven Guided Response for Security Operation Centers with Microsoft Copilot for Security
Microsoft Security Research(微软安全研究院)
针对安全运营中心应对不同复杂度安全事件的需求,本文开发行业级ML架构Microsoft Copilot for Security引导响应(CGR),在调查、分诊、修复任务中引导分析师,全球部署后经评估效果良好,还发布了首个大规模真实安全事件公共数据集GUIDE。
2024-11-26 cs.CR cs.IR cs.LG
Technology-Enhanced Tabletop Exercises for Cybersecurity Education: Lessons Learned
Faculty of Informatics Masaryk University(马萨里克大学信息学院)
该研究将技术增强型桌面演练(TTXs)融入网络安全教育,借助INJECT演练平台(IXP)开展25次演练,总结24条经验,证实数字TTXs是可扩展的团队协作问题解决教学模型。
2026-07-31 cs.CR cs.CY
Bridging the First-Hour Gap: Evaluating AI Reliability and Benchmarking Deficiencies in Cyber Incident Response for Law Enforcement
National Institute of Technology Calicut(卡利卡特国立技术学院)
本文系统调查了执法部门网络事件响应首小时的决策支持架构,指出RAG系统为可行中间方案,但现有基准不足,需新基准关注新手查询鲁棒性与证据保全。
2026-09-14 cs.CR
AutoBnB-RAG: Enhancing Multi-Agent Incident Response with Retrieval-Augmented Generation
Georgia Institute of Technology(佐治亚理工学院)
本研究针对大语言模型在网络安全事件响应中缺乏外部知识的问题,提出整合检索增强生成的多智能体框架AutoBnB-RAG,经多种团队结构和真实场景验证,可有效提升决策质量与成功率。
2025-10-06 cs.CL cs.CR