Intelligence-based Cybersecurity Awareness Training- an Exploratory Project
网络安全培训应适应不断变化的网络威胁形势，具有成本效益，并与其他企业管理组件集成良好。不幸的是，很少有网络安全培训平台能够满足这些要求。本文提出了一种新型的网络安全培训模式，主要目标有三个：（i）培训应通过新出现的相关威胁发起，并首先交付给最脆弱的成员（ii）过程必须敏捷（iii）培训结果必须能够提供可操作的情报。本文首次建立了一个类型系统（本体和相关关系），将网络安全意识培训领域与网络威胁情报领域联系起来。在IBM Watson Knowledge Studio平台的支持下，发现所提出的方法是实用的和可扩展的。主要贡献，如类型系统的导出，100份威胁报告和127个网络安全评估结果的手动注释语料库，用于预注释的词典等都已公开。
2018-12-11 cs.CR
Cyber Spectrum Intelligence: Security Applications, Challenges and Road Ahead
本文综述新兴的网络频谱智能（SpecInt）领域，提出其系统架构与五类网络物理安全应用，并通过实验测试平台验证可行性，指出研究挑战与未来方向。
2025-01-07 cs.CR
A Cyber Kill Chain Based Taxonomy of Banking Trojans for Evolutionary Computational Intelligence
银行木马等恶意软件在以金融为动机的网络犯罪分子中很受欢迎。由于用于混淆和规避现有检测和安全解决方案的技术不断发展，银行木马的检测仍然是一项具有挑战性的任务。拥有恶意软件分类可以促进缓解策略的设计，例如基于进化计算智能的策略。具体来说，在本文中，我们提出了一个网络杀死链的银行木马功能的分类。这种基于威胁情报的分类法提供了对网络攻击的逐阶段操作理解，对于安全从业人员和特洛伊木马检测和缓解策略的进化计算智能设计非常有益。建议的分类法通过使用一家英国主要金融机构从2014年12月至2016年1月收集的127个银行木马的真实数据集进行验证。
2018-07-27 cs.CR
On the Integration of Course of Action Playbooks into Shareable Cyber Threat Intelligence
CACAO是第一个开放标准，它统一了我们以机器可读格式记录行动过程的方式，以实现互操作性，以及利用、耦合和共享行动过程剧本与网络威胁情报所带来的网络安全行动的好处，我们引入了一个统一的元数据模板，该模板支持管理行动过程剧本并将其集成到知识表示和知识中管理系统。我们通过两个用例实现证明了我们的方法的适用性。我们利用剧本元数据模板来引入功能并将行动剧本（如CACAO）集成到MISP威胁情报平台和OASIS威胁执行者上下文本体中。
2021-11-22 cs.CR
AttacKG: Constructing Technique Knowledge Graph from Cyber Threat Intelligence Reports
网络攻击变得越来越复杂和多样化，使检测变得越来越具有挑战性。为了应对这些攻击，安全从业人员积极总结和交流他们对网络威胁情报（CTI）报告形式的跨组织攻击的知识。然而，由于以自然语言文本编写的CTI报告不具有用于自动分析的结构，因此报告的使用需要繁琐的手动网络威胁情报恢复工作。此外，单个报告通常仅涵盖攻击模式（技术）的有限方面，因此不足以提供对多种变体攻击的全面了解。为了利用CTI报告提供的威胁情报，我们提出AttacKG自动提取结构化的攻击行为图从CTI报告，并确定所采用的攻击技术。然后，我们汇总报告中的网络威胁情报，以收集技术的不同方面，并将攻击行为图增强为技术知识图谱（TKG）。在我们对来自不同情报来源的1，515份真实CTI报告的评估中，AttacKG有效地识别了28，262种攻击技术和8，393种独特的妥协指标（IoC）。为了进一步验证AttacKG在提取威胁情报方面的准确性，我们在16个手动标记的CTI报告上运行AttacKG。实证结果表明，AttacKG准确地识别了攻击相关的实体、依赖关系和技术，F1得分为0.887、0.896和0.789，优于最先进的方法Extractor和TTPDrill。此外，独特的技术级智能将直接有利于依赖技术规范的下游安全任务，例如，APT检测和网络攻击重建。
2022-05-29 cs.CR
TTPXHunter: Actionable Threat Intelligence Extraction as TTPs from Finished Cyber Threat Reports
提出TTPXHunter方法，利用领域特定NLP技术从网络威胁报告中自动提取TTPs威胁情报，构建了两个数据集并在其上取得高F1分数，显著提升了威胁情报分析的自动化水平。
2024-03-21 cs.CR
A Cyber Threat Intelligence Management Platform for Industrial Environments
开发智能的、可互操作的网络威胁信息（CTI）共享技术可以帮助建立强大的防御现代网络威胁的能力。CTI允许社区共享有关网络犯罪分子的威胁和漏洞以及防御措施或检测恶意活动的信息。成功的关键是与网络风险相关的数据是可以理解的，有组织的，并且质量良好。接收方可以掌握其内容并有效利用。本文介绍了一种用于工业环境的创新网络威胁情报管理平台（CTIMP），这是Cyber-pi项目的重要组成部分之一。特别是，建议的架构使用来自可信公共来源的网络知识，并以完全可互操作和智能的方式将其与来自组织监督基础设施的相关信息集成。当与高级可视化机制和用户界面相结合时，上述服务为管理员提供了他们所需的态势感知，同时还允许扩展合作，智能选择高级应对策略，以及一组用于处理威胁的自动自我修复规则。
2023-01-09 cs.CR
Cyber Threat Hunting: Non-Parametric Mining of Attack Patterns from Cyber Threat Intelligence for Precise Threats Attribution
针对现有网络威胁归因方法精确度低、误报率高的问题，提出基于机器学习的非参数挖掘方法与可视化交互工具CAPE，从威胁情报中提取攻击模式数据集并训练算法，实现精确的威胁行为者归因。
2025-09-15 cs.CR
A Threat Intelligence Event Extraction Conceptual Model for Cyber Threat Intelligence Feeds
本文系统综述了网络威胁情报数据收集技术，并提出整合XLM-RoBERTa、BiGRU和CRF的XBC概念模型，以提升威胁事件抽取效率和网络安全能力。
2025-06-04 cs.CR
Threat Actor Type Inference and Characterization within Cyber Threat Intelligence
随着网络威胁形势不断变得越来越复杂和多变，了解敌人及其行动方式以减少威胁变得越来越重要。尽管网络安全社区在描述和共享用于通知防御组件的技术指标方面已经发展了一定的成熟度，但我们仍然在努力处理不统一，非结构化和模糊的更高级别信息，例如威胁行为者上下文，从而限制了我们与不同来源相关联以获得更多上下文，准确和相关情报的能力。我们认为有必要克服这一限制，以提高我们制作和更好地操作网络威胁情报的能力。我们的研究表明，通常商定的用于表征威胁参与者及其操作的受控词汇表可用于丰富网络威胁情报，并在可解释和可查询的更高上下文级别上推断新信息。特别是，我们提出了一个本体论的方法来自动推断的威胁行为者的类型的基础上，他们的人物角色，了解他们的性质，并捕捉多态性和变化，他们的行为和特征随着时间的推移。这种方法不仅通过提供用于共享高度上下文网络威胁情报的结构化方式和手段来实现互操作性，而且还以机器速度获得新信息，并最大限度地减少人工分类方法所带来的认知偏差。
2021-09-20 cs.CR
Proactive security defense: cyber threat intelligence modeling for connected autonomous vehicles
本文提出汽车网络威胁情报建模框架Actim，通过构建本体模型、标注首个汽车CTI语料库并设计基于跨句上下文的挖掘模型，实现威胁实体与关系的有效提取和知识图谱构建，支持网联自动驾驶汽车的主动安全防御。
2024-10-21 cs.CR
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
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
Transforming Cyber Defense: Harnessing Agentic and Frontier AI for Proactive, Ethical Threat Intelligence
本文探讨智能体AI与前沿AI如何通过重构网络杀伤链、增强威胁情报及嵌入伦理治理，构建融合实时监控与自动化响应的主动、弹性网络防御体系。
2025-02-28 cs.CR
Discerning Reliable Cyber Threat Indicators for Timely Cyber Threat Intelligence
本研究利用CNN从社交媒体提取失陷指标，以99.65%检出率识别IP、URL等威胁，并评估其有效性与自动账户传播作用，为主动防御提供可靠情报。
2025-08-11 cs.CR
Towards an AI-Enhanced Cyber Threat Intelligence Processing Pipeline
本文提出人工智能增强的网络威胁情报处理流水线蓝图，强调人机协作，并探讨缓解建议自动生成、伦理挑战及未来研究方向。
2024-03-05 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
NLP-Based Techniques for Cyber Threat Intelligence
本文综述了基于自然语言处理（NLP）的网络威胁情报（CTI）技术，涵盖数据爬取、分析、关系提取、共享协作及安全威胁，并探讨了挑战与伦理问题，为安全领域提供全面参考。
2023-11-15 cs.CR
Trustworthy Artificial Intelligence for Cyber Threat Analysis
本研究开发了一种基于机器学习的网络威胁检测与评估工具，采用两阶段无监督和监督学习方法分析AWS云服务器日志，实现了高置信度的威胁识别。
2025-06-18 cs.CR
Intell-dragonfly: A Cybersecurity Attack Surface Generation Engine Based On Artificial Intelligence-generated Content Technology
本文提出基于ChatGPT的网络安全攻击面生成引擎Intell-dragonfly，通过自动化生成多样化攻击场景，并在真实网络环境中验证其在准确性、多样性和可操作性上优于传统方法。
2023-11-01 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
Using Cyber Threat Intelligence to Prevent Malicious Known Traffic in a SDN Physical Testbed
由于应用程序和通信工具的使用有所增加，负责网络安全的人所关心的问题之一是保护信息和信息系统，以及使最终用户相信信息和通信技术的使用。如今，对网络的攻击已经增加并经历了修改，这使得传统安全设备的任务变得困难，有必要增加智能来面对网络中产生的新攻击。因此，需要将网络威胁情报（CTI）作为网络中的一个新组件。这项工作的重点是使用CTI提供的信息，以提高软件定义网络（SDN）的安全性，并在同一时间，分析如何恶意流量可以阻止在物理测试床。
2019-09-05 cs.CR
CyLens: Towards Reinventing Cyber Threat Intelligence in the Paradigm of Agentic Large Language Models
本文提出由 LLM 驱动的网络威胁情报副驾驶 CYLENS，融合271,570份威胁报告与六个专用NLP模块，覆盖威胁管理全流程，实验显示其优于领先LLM和现有网络安全智能体。
2025-04-16 cs.CR
Improving Cybercrime Detection and Digital Forensics Investigations with Artificial Intelligence
本文探讨利用人工智能改进网络犯罪检测与数字取证，并展示聊天机器人可被用于隐写术编码，作为反取证手段。
2025-10-16 cs.CR
cyberaCTIve: a STIX-based Tool for Cyber Threat Intelligence in Complex Models
网络威胁情报（CTI）是收集的实际真实世界信息，目的是评估网络物理系统（CPS）中的威胁。共享CTI的一个实用符号是STIX。STIX提供了创建、可视化和共享模型的工具;然而，即使是一个适度简单的项目也可以在STIX中表示为一个相当复杂的图表，这意味着将CTI分散到多个更简单的子项目中。我们的工具旨在加强STIX为基础的建模任务的背景下，这种简化是不可行的。例子可以是微电网，更一般地说，是智能电网。
2022-05-12 cs.CR cs.SE
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
Explainable Artificial Intelligence and Cybersecurity: A Systematic Literature Review
Federal University of Bahia（巴伊亚联邦大学）
网络安全供应商一直将AI（人工智能）应用于其解决方案，许多网络安全领域都可以从AI技术中受益。然而，黑盒人工智能技术在操作人员的理解和采用方面存在一些困难，因为它们的决策并不总是人类可以理解的（例如，深度神经网络通常就是这种情况）。由于其目的是使AI算法的操作更易于用户和开发人员解释，XAI（可解释的人工智能）可以用来解决这个问题。通过系统的文献综述，这项工作旨在调查当前XAI应用于网络安全的研究情况，旨在发现哪些XAI技术已应用于网络安全，以及网络安全的哪些领域已经受益于这项技术。
2023-02-27 cs.AI cs.CR
A Threat-Intelligence Driven Methodology to Incorporate Uncertainty in Cyber Risk Analysis and Enhance Decision Making
本文提出威胁情报驱动的安全评估与决策方法论，利用因果图替代攻击树并纳入已知未知、未知未知及多层级TTP，以降低网络风险分析中的不确定性。
2023-06-26 cs.CR
Autonomous Threat Hunting: A Future Paradigm for AI-Driven Threat Intelligence
本文综述了自主威胁狩猎作为AI驱动威胁情报关键范式的演进与意义，探讨AI与传统方法的融合、概念框架、挑战及案例研究，强调其对网络安全未来的重大影响。
2023-12-30 cs.CR
Bandit on the Hunt: Dynamic Crawling for Cyber Threat Intelligence
本文提出基于多臂老虎机和SBERT的动态爬虫ThreatCrawl，用于识别网络威胁情报新来源，收获率超25%，种子集扩大300%以上。
2025-04-25 cs.CR
Towards Cyber Threat Intelligence for the IoT
针对现有CTI方案不适用于低功耗物联网设备的问题，本文梳理分析现有CTI框架与交换平台，提出适配物联网的基于MISP的CTI架构，以及优化低功耗设备的tinySTIX标准，助力物联网网络安全防护。
2024-06-19 cs.CR
Gathering Cyber Threat Intelligence from Twitter Using Novelty Classification
University of Adelaide（阿德莱德大学）
防止组织遭受网络攻击需要及时获得有关网络漏洞和攻击（称为威胁）的情报。网络威胁情报可以从各种来源提取，包括社交媒体平台，用户可以在社交媒体平台上实时的发布威胁信息。从社交媒体网站收集网络威胁情报对于安全分析师来说是一项耗时的任务，可能会延迟对新出现的网络威胁的及时响应。我们提出了一个框架，自动收集网络威胁情报从Twitter使用新颖的检测模型。我们的模型从公共存储库（如常见漏洞和暴露（CVE））中发布的威胁描述中学习网络威胁情报的特征，并将一条新的看不见的推文分类为网络威胁情报的正常或异常。我们使用一个专门构建的数据集来评估我们的框架，这些数据集来自50个有影响力的网络安全相关账户，超过12个月（2018年）。我们的分类器在对网络威胁推文进行分类时达到了0.643的F1分数，并且优于包括二进制分类模型在内的几个基线。我们对分类结果的分析表明，Twitter上的网络威胁相关推文通常不包括相关威胁的CVE标识符。因此，收集这些推文并将其与网络安全应用程序的相关CVE标识符相关联将是有价值的。
2019-09-05 cs.CR cs.LG stat.ML
A Reputation-based Approach using Consortium Blockchain for Cyber Threat Intelligence Sharing
CTI（Cyber Threat Intelligence）共享与交换是提高防护方响应能力的有效方法。区块链技术使共享协作联盟能够在没有可信的中心化机构的情况下进行可信的CTI共享和交换。然而，之前提出的基于区块链的CTI共享模型的分布式连接将系统暴露在拜占庭攻击中，合作伙伴组织的受损成员将通过生成虚假报告进一步降低CTI的准确性和信任级别。为了解决CTI在速度、可扩展性和安全性方面的性能不平衡问题，提出了一种新的基于区块链的CTI模型，该模型将联盟区块链和分布式信誉管理系统相结合，实现了战术威胁情报的自动分析和响应。此外，本文还提出了一种适合CTI共享交换的联盟区块链共识算法。这种新的共识算法称为“信誉证明”（Proof-of Reputation，PoR）共识算法，通过构建信誉模型，满足交易率的要求，使共识在可信的网络环境中进行。最后通过实验验证了所提模型和共识算法的有效性和安全性能。
2021-07-13 cs.CR
reconCTI: A Proactive Approach to Cyber-Threat Intelligence
University of East London（东伦敦大学）
本文提出reconCTI工具，用于主动收集网络威胁情报，通过分析表面和暗网平台上的敏感数据泄露，帮助安全专业人员和普通用户早期识别风险并采取应对措施。
2026-05-19 cs.CR
Assessing the ROI of Cyber Threat Intelligence: An Operational and Financial Evaluation Framework
University of Milan（米兰大学）
研究量化网络威胁情报投资回报率的难题，提出含威胁情报有效性指数和盈亏平衡优先财务方法的框架，应用于金融和医疗场景，为CTI投资决策提供可重复基础。
2026-07-17 cs.CR
Active and Passive Collection of SSH key material for cyber threat intelligence
本文描述了一个系统，用于存储从SSH连接收集的历史取证文物。该系统以类似于被动DNS数据库、恶意软件哈希注册表和SSL公证的方式公开REST API，目的是支持事件调查和基础设施监控。
2022-04-11 cs.CR cs.NI
Artificial intelligence and cybersecurity in banking sector: opportunities and risks
本文探讨AI/ML在银行业提升效率、欺诈检测和客户服务自动化的机遇，以及对抗攻击和恶意使用带来的网络安全风险，强调构建安全、可信、稳健模型与防御框架。
2024-11-28 cs.CR
Prospective Artificial Intelligence Approaches for Active Cyber Defence
The Alan Turing Institute（艾伦·图灵研究所）；Imperial College London（帝国理工学院）
网络犯罪分子正在迅速开发新的恶意工具，利用人工智能（AI）来实现新型自适应和隐形攻击。需要开发新的防御方法来应对这些威胁。一些网络安全专业人士猜测，人工智能将实现相应的新型主动网络防御措施--这是现实的，还是目前主要是炒作？艾伦图灵研究所在英国国家网络安全中心和国防科学技术实验室的专家指导下，去年发布了ACD人工智能研究路线图。这份立场文件更新了两种最有前途的人工智能方法--强化学习和因果推理--的路线图，并描述了为什么它们可以帮助将平衡重新推向防御者。
2021-04-20 cs.CR cs.LG
Towards Effective Identification of Attack Techniques in Cyber Threat Intelligence Reports using Large Language Models
本文针对网络威胁情报报告中攻击技术提取面临的类别不平衡与领域复杂性问题，提出LLM摘要加重新训练的SciBERT模型的两步流水线方法，显著提升了F1分数。
2025-05-06 cs.CR
Cyber Threat Intelligence for Artificial Intelligence Systems
Orange Innovation Poland（Orange创新波兰）
本文探讨了面向人工智能系统的网络威胁情报框架，分析了传统威胁情报的不足，并提出了构建AI特定知识库和测量技术的方案。
2026-03-05 cs.AI cs.CR
Elevating Cyber Threat Intelligence against Disinformation Campaigns with LLM-based Concept Extraction and the FakeCTI Dataset
本文提出基于LLM概念提取的CTI框架及FakeCTI数据集，从虚假新闻中提取高级语义指标，以可扩展方式追踪和对抗虚假信息活动。
2025-10-17 cs.CR
Design of a dynamic and self adapting system, supported with artificial intelligence, machine learning and real time intelligence for predictive cyber risk analytics in extreme environments, cyber risk in the colonisation of Mars
University of Oxford（牛津大学）；Cisco Research Centre（思科研究中心）；Cardiff University（卡迪夫大学）；University of Warwick（华威大学）
多个政府机构和私人组织已经承诺殖民火星。这种殖民化需要复杂的系统和基础设施，在网络攻击的情况下，修复或更换这些系统和基础设施的成本可能非常高。本文调查了深度学习算法、物联网网络安全和风险模型，并建立了数学公式，以确定开发动态和自适应的系统的最佳方法，用于在人工智能和机器学习以及边缘计算中的实时的智能的支持下进行预测性网络风险分析。本文提出了一种新的数学方法，用于集成认知引擎设计、边缘计算、人工智能和机器学习的概念，以自动化异常检测。该引擎通过应用嵌入在物联网网络边缘的人工智能和机器学习来推动一个步骤的变化，为预测性网络风险分析提供安全和功能性的实时的智能。这将增强风险分析能力，并有助于全面系统地了解部署边缘计算节点以及将人工智能和机器学习技术迁移到互联网外围和本地物联网网络时出现的机会和威胁。
2021-02-11 cs.AI cs.CR cs.CY
Analysing the cultural dimensions of cybercriminal groups -- A case study on the Conti ransomware group
本文提出通过泄露通信中的文化维度构建网络犯罪集团画像，并以 Conti 勒索软件集团为例验证其对理解作案手法和攻击归因的价值。
2024-12-06 cs.CR
Using a Collated Cybersecurity Dataset for Machine Learning and Artificial Intelligence
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）
人工智能（AI）和机器学习（ML）算法可以支持指标级（例如异常检测）到行为级网络安全建模和推理的跨度。这一贡献基于一个名为BRON的数据集，该数据集由公共威胁和漏洞行为源合并而成。我们演示了如何BRON可以支持相关的威胁技术和攻击模式的预测。我们还讨论了BRON的其他AI和ML用途，以利用其行为知识。
2021-08-05 cs.AI cs.CR
CTI-HAL: A Human-Annotated Dataset for Cyber Threat Intelligence Analysis
本文提出了一个基于MITRE ATT&CK框架人工构建的CTI数据集CTI-HAL，通过标注一致性验证其可靠性，并在真实业务场景中评估大语言模型，展示了良好的泛化性能。
2025-04-08 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
Generating Fake Cyber Threat Intelligence Using Transformer-Based Models
University of Maryland, Baltimore County（马里兰大学巴尔的摩郡分校）；University of North Carolina, Wilmington（北卡罗来纳大学威尔明顿分校）
正在开发网络防御系统，以自动摄取包含半结构化数据和/或文本的网络威胁情报（CTI），以填充知识图谱。一个潜在的风险是，可以通过开源情报（OSINT）社区或Web生成和传播虚假CTI，从而对这些系统进行数据投毒攻击。攻击者可以使用虚假的CTI示例作为训练输入来破坏网络防御系统，迫使模型学习不正确的输入来满足其恶意需求。在本文中，我们自动生成虚假CTI文本描述使用Transformers。我们发现，给定一个初始提示句，一个公共的语言模型，如GPT-2微调，可以产生可信的CTI文本的能力，破坏网络防御系统。我们利用生成的假CTI文本对网络安全知识图谱（CKG）和网络安全语料库进行数据投毒攻击。中毒攻击带来了不利影响，例如返回不正确的推理输出，表示中毒以及其他依赖AI的网络防御系统的损坏。我们使用传统方法进行评估，并与网络安全专业人员和威胁猎人进行人工评估研究。根据这项研究，专业的威胁猎人同样有可能认为我们生成的虚假CTI是真实的。
2021-06-18 cs.AI 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
A Cybersecurity Risk Analysis Framework for Systems with Artificial Intelligence Components
Inst. Mathematical Sciences, ICMAT-CSIC（数学科学研究所（ICMAT-CSIC））；University of Vigo（维戈大学）；Inst. Information Technology, ITEFI-CSIC（信息技术研究所（ITEFI-CSIC））
针对欧盟AI法案等规范对评估含AI组件系统的要求，本文提出一个网络安全风险分析框架，并以自动驾驶系统为例进行说明。
2024-01-03 cs.AI cs.CR stat.AP
AURA: A Multi-Agent Intelligence Framework for Knowledge-Enhanced Cyber Threat Attribution
针对高级持续性威胁归因需关联复杂多样情报的问题，提出知识增强多智能体框架AURA，结合RAG与大语言模型实现可追溯的APT归因，实验验证其高一致性、专家对齐性与可扩展性。
2025-06-11 cs.CR
CTIBench: A Benchmark for Evaluating LLMs in Cyber Threat Intelligence
Rochester Institute of Technology（罗切斯特理工学院）
针对现有基准无法评估大型语言模型在网络威胁情报特定任务中应用能力的不足，本文提出了CTIBench基准，通过多个数据集评估LLMs在CTI领域的知识掌握与应用表现，揭示了先进模型的优劣势。
2024-11-11 cs.AI 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
Few-Shot Learning-Based Cyber Incident Detection with Augmented Context Intelligence
针对云环境日益复杂的网络威胁，本文提出一种基于少样本学习与增强上下文智能的攻击检测方法，利用符号学提取和语义分析将异常检测转为相似性比较，在少量样本下实现对未知攻击的准确泛化。
2025-06-19 cs.CR
Cyber-All-Intel: An AI for Security related Threat Intelligence
University of Maryland, Baltimore County（马里兰大学巴尔的摩郡分校）
跟上威胁情报是今天的安全分析师必须。有大量的信息存在于“野生”，影响到一个组织。我们需要开发一个人工智能系统来搜索情报来源，让分析师了解对她的组织构成风险的各种威胁。一个更好地“利用”的安全分析师可能更有效。在本文中，我们提出，网络全英特尔人工智能系统，以帮助安全分析师。它是一个基于网络安全信息学领域的端到端管道中的知识提取，表示和分析系统。它使用多个知识表示，如向量空间和“VKG结构”中的知识图谱来存储传入的情报。该系统还使用神经网络模型来主动改进其知识。我们还创建了一个查询引擎和一个警报系统，分析师可以使用它们来查找可操作的网络安全见解。
2019-05-07 cs.AI cs.CL cs.CR
