Challenges of Security and Trust of Mobile Devices as Digital Avionics Component
移动设备正在成为现代数字航空电子设备的一部分。移动设备可以应用于从电子飞行包到维护平台的一系列场景,以便管理和配置飞行信息,配置航空电子网络或执行维护任务(包括卸载飞行日志)。可以说,最近的发展表明,个人移动设备的使用越来越多,在数字航空电子行业中发挥着不可或缺的作用。在本文中,我们探讨了将移动设备与各种航空电子网络集成的不同建议-无论是作为自带设备(BYOD)还是公司拥有的个人启用(COPE)范例的一部分。此外,我们还将评估这些设备在各自领域中带来的安全和信任挑战。该分析还将包括与经由有线或无线信道在移动终端和飞机网络之间的通信有关的问题。最后,本文提出了一套关于安全和信任问题的指导方针,这些问题在使移动设备成为飞机网络的一部分时可能至关重要。
2016-05-02 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
EarthOL: A Proof-of-Human-Contribution Consensus Protocol -- Addressing Fundamental Challenges in Decentralized Value Assessment with Enhanced Verification and Security Mechanisms
本文提出EarthOL共识协议,用可验证的人类贡献替代区块链计算浪费,通过多层验证和增强安全机制实现领域受限的价值评估,并解决可扩展性与文化偏见挑战。
2025-05-27 cs.CR cs.CY
Review of human decision-making during computer security incident analysis
我们回顾了计算机安全事件响应过程中决策的实用建议。范围包括IETF、ISO、FIRST和美国情报界的标准。为了关注人类决策,范围是响应的证据收集、分析和报告阶段。结果显示了优势和差距。一个优点是可以得到关于如何完成许多具体任务的建议。然而,关于如何在有限的时间内确定任务的优先级,以及如何解释、概括和令人信服地报告结果,几乎没有指导。未来的工作应集中在这些差距的解释和规范的决策过程中的事件分析。
2019-03-24 cs.CR cs.CY
Analysis of Human Awareness of Security and Privacy Threats in Smart Environments
智能环境将信息和通信技术(ICT)集成到设备、车辆、建筑物和城市中,以提高生活质量、能源效率和经济可持续性。从这一角度看,个人具有核心作用,网络也具有核心作用,使这些实体能够进行合作。然而,大量的敏感数据、社交方面和混合的协议集提供了许多机会,可以注入危险、泄露信息、对公民进行大规模分析或产生新一波攻击。这项工作审查了在智能环境中使用信通技术所产生的主要风险,重点是联网。它的主要贡献是解释不同利益攸关方在造成缺乏安全方面的作用,并通过考虑人的方面来设想未来的威胁。
2015-02-03 cs.CR cs.CY
Panel: Humans and Technology for Inclusive Privacy and Security
计算机安全和用户隐私是数字时代的关键问题和关注点,因为用户不断增加,他们的数据受到威胁。通用网络安全指南(即,保护所有用户数据免受恶意威胁)和隐私的个人主义方法(即,具体针对用户并取决于用户需求和风险认知)。研究表明,一些以安全和隐私为重点的漏洞是技术性的(例如,软件漏洞(Streiff,Kenny,Das,Leeth,& Camp,2018),不安全的身份验证(Das,Wang,Tingle,& Camp,2019)),或行为(例如,共享密码(Das,Dingman,& Camp,2018);和合规性(Das,Dev,& Srinivasan,2018)(Dev,Das,Rashidi,& Camp,2019))。该小组提案涉及第三类社会技术脆弱性,这些脆弱性可能而且有时确实源于非包容性的安全和隐私设计。在这个面板中,我们将解决用户的隐私需求和愿望。该小组将深入讨论对价值敏感的设计,同时关注潜在的弱势群体,如老年人,青少年,残疾人和其他通常不强调一般安全和隐私问题的人。人的因素与这些领域的改进有利害关系,也有能力促进这些领域的改进。
2021-01-18 cs.CR cs.CY
Healthcare Security Breaches in the United States: Insights and their Socio-Technical Implications
本研究分析美国2009年至今的医疗安全漏洞,发现人为因素是主要诱因,即便有HIPAA、HITECH等法规仍难杜绝,由此提出需结合技术防御与人为行为、制度建设的整体安全方案。
2023-11-07 cs.CR cs.CY
On human-centred security: A new systems model based on modes and mode transitions
本文提出一种基于模式与模式转换的新系统模型,将安全系统分解为具有目标、数据和算法的独立模式,并用信念解释其行为,通过单纯复形数学形式化和高维几何可视化来支持以人为中心的安全系统设计、分析与解释。
2024-05-03 cs.CR cs.CY
Human Error in IT Security
本文详细分析了人为错误,这是一个IT安全问题,也是公司面临的主要威胁。人是网络安全链中最薄弱的环节之一,但它是体现的基本组成部分。本报告详细阐述了各种人为错误,以及缓解和控制威胁性IT安全问题的必要措施。
2020-05-08 cs.CR
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
Privacy, Security and Trust in the Internet of Neurons
阿帕网,互联网,服务互联网,物联网,技能互联网。接下来呢?我们推测,从现在起的15-20年内,我们将拥有神经元互联网,这是一种新的互联网范式,人类将能够仅使用大脑双向连接到网络。神经元的互联网将提供新的,巨大的机会,由于不断访问无限的信息。它将赋予所有技术行业之外的人权力,实际上它将赋予所有人权力,让每个人都能够访问和使用技术产品和服务,即使没有笔记本电脑,平板电脑或智能手机。因此,神经元互联网将最终完成目前尚不成熟的知识和技术民主化。但它也将带来一些巨大的挑战,特别是在安全性(以及隐私和信任)方面。在本文中,我们推测到2038年神经元互联网的全球部署,并就其破坏性影响进行头脑风暴,讨论实现它所需的主要技术(和神经学)突破,它提供的新机遇以及它提出的安全挑战。我们还详细介绍了新的系统模型,威胁模型和安全属性,需要在互联网的神经元的隐私,安全和信任的原因。
2018-07-11 cs.CR cs.CY
Secure human oversight of AI: Threat modeling in a socio-technical context
Federal Office for Information Security(联邦信息安全局);German Research Center for Artificial Intelligence(德国人工智能研究中心);University of Freiburg(弗赖堡大学)
本文从安全角度提出人工智能人类监督的威胁建模方法,系统分析其安全风险并提出缓解策略,以保障AI系统的监督过程安全可靠。
2026-07-31 cs.CR cs.CY cs.HC
Computer Application Research based on Chinese Human Resources and Network Information Security Technology Management and Analysis In Chinese Universities
该研究聚焦中国高校计算机网络安全与人力资源管理现状,通过访谈两家头部网安公司管理人员并分析定性数据,挖掘关键结论,凸显数字基础设施防护的重要性。
2024-11-01 cs.CR
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
Advanced Personnel Vetting Techniques in Critical Multi-Tennant Hosted Computing Environments
云计算的出现为关键基础设施提供了一个战略方向,并有望对其系统和网络产生深远影响,以更低的成本为各国提供更好的成果。然而,在考虑云计算时,政府实体必须解决服务成本和灵活性之外的许多安全问题(例如恶意内部人员)。本文的范围和目标是分析、评估和调查敏感基础设施中云安全的内部威胁,并提出两种用于保护商业和政府云基础设施的主动社会技术解决方案。首先,它提出了可操作的框架,技术和实践,以确保人为威胁造成的此类中断不频繁,持续时间最短,可管理,并造成尽可能小的损害。其次,它旨在采取极端的安全措施,分析和评估与人类威胁有关的评估方法,使用认知分析技术,特别是功能性磁共振成像(fMRI),在某些高风险情况下进行员工筛查。这项研究的意义还在于通过提出一套道德和专业准则来应对人权和道德困境。这项工作的主要目标是分析相关风险,确定对策并提出建议,以发展安全意识文化,使云提供商能够有效地利用这种先进技术的好处,而不牺牲系统安全。
2013-05-31 cs.CR cs.CY
Human Factors in Security Research: Lessons Learned from 2008-2018
计算机安全研究现在不仅考虑技术,还努力通过研究普通用户以及在较小程度上研究系统操作员和开发人员等专家来考虑人为因素。我们把我们的分析集中在对专家的关键人群的研究上,他们的人为错误可以同时影响许多系统,并将其与对普通用户的研究进行比较。为了了解我们在人为因素领域的进展,该领域如何进一步成熟,并为该领域的新研究人员提供参考,我们分析了过去十年在安全和隐私方面的人为因素研究,确定了557篇相关出版物。其中,我们发现了48篇专注于专家用户的出版物,并对其进行了深入分析。为了获得更多的见解,我们将它们与48项最终用户研究的分层样本进行了比较。在本文中,我们调查:(i)对人的因素的看法,以及我们如何从安全科学中学习(ii)如何招募参与者以及招募谁,以及我们发现这如何创建以西方为中心的观点(iii)研究目标,以及如何将这些与所选择的研究方法相结合(iv)如何使用理论来提高社区科学工作的严谨性,包括对扎根理论的使用的限制,这往往是不完全应用(v)研究人员如何处理伦理影响,以及我们可以做些什么来更一致地解释它们虽然我们的文献综述有局限性,但新的见解被揭示,并为进一步的研究确定了途径。
2021-03-24 cs.CR cs.CY cs.HC
Modeling Behavioral Signals in Job Scams: A Human-Centered Security Study
International Institute of Information Technology Hyderabad(印度信息科技研究所海得拉巴分校)
本研究通过分析行为信号识别求职诈骗中的支付行为,探讨了紧迫感和时间压力提示与付款行为的关系,揭示了测量准确性和提示定义一致性的重要性。
2026-01-27 cs.CR cs.CY
BioEnvSense: A Human-Centred Security Framework for Preventing Behaviour-Driven Cyber Incidents
Western Sydney University(西悉尼大学)
BioEnvSense提出一种结合CNN-LSTM模型的以人为本安全框架,通过分析生物和环境数据来检测并降低由人类行为引发的网络安全风险。
2026-02-23 cs.CR cs.CY cs.HC
An audio CAPTCHA to distinguish humans from computers
CAPTCHA被用作区分人类用户和机器人的安全措施。本文提出了一种新的基于声音的验证码,它利用了人类语音和合成语音之间的差距,而不是依赖于人类的听觉感知。用户需要读出一个给定的句子,这是从一本指定的书随机选择。生成的音频文件将被自动分析,以判断用户是否是人类。本文详细介绍了新的验证码的设计、音频文件的分析以及音频帧窗口函数的选择。并通过实验确定了安全性的临界阈值和三个指标的系数。所提出的音频验证码被证明是可访问的用户。用户研究表明,人类成功率达到约97%,而使用Microsoft SDK 5.1的攻击软件的通过率仅为4%。实验还表明,大多数人类用户可以在不到14秒的时间内解决它,平均时间仅为7.8秒。
2013-06-12 cs.CR cs.CY
Reframing LLM Agent Security as an Agent-Human Interaction Problem
UCLA(加州大学洛杉矶分校)
本文通过系统分析59篇学术论文、21个生产智能体系统和26个安全插件,论证LLM智能体安全本质上是智能体-人类交互问题,而非纯算法问题,并提出了三方向研究议程。
2026-05-23 cs.CR
I'm Sorry Dave: How the old world of personnel security can inform the new world of AI insider risk
Coventry University(考文垂大学);The Alan Turing Institute(阿兰·图灵研究所)
本文指出AI内部风险与传统人员安全缺乏互动,主张将应对人类内部人员的成熟概念与方法迁移到AI内部风险管理中。
2025-04-05 cs.CR cs.CY cs.LG
A Cross-Layer Security Analysis for Process-Aware Information Systems
流程感知信息系统(PAIS)的信息安全依赖于多方面的因素,包括业务流程的安全、底层系统和技术的安全。此外,人类可能是最薄弱的环节,可能会造成漏洞,也可能是最坏的敌人,可能会危及一个防御良好的系统。由于一个系统的安全程度与其最薄弱的环节一样,因此只有在所有因素都安全的情况下,才能在PAIS中实现信息安全。在本文中,我们解决了两个研究问题:如何进行跨层的安全分析,耦合在业务流程层以及在技术层的安全问题;以及如何将人为因素纳入到安全分析中,以识别人为导向的漏洞和威胁。我们提出了一种方法,支持跟踪功能,技术和人为因素之间的安全相互依赖关系,这有助于建立一个整体的方法,以信息安全在PAIS。我们证明了从支付卡行业的情况下的适用性。
2015-07-13 cs.CR
A Survey on Human and Personality Vulnerability Assessment in Cyber-security: Challenges, Approaches, and Open Issues
如今,网络犯罪分子的目标是人类而不是机器,因为他们试图通过利用最终用户的弱点来实现他们的恶意意图。因此,人为漏洞对计算机系统和数据的安全性和完整性构成严重威胁。人类信任和帮助他人的倾向,以及个人、社会和文化特征,都表明了一个人可能对某些攻击类型和欺骗策略表现出的易感性水平。本工作旨在通过研究现有的相关文献,探讨影响人类易感性的因素。其目的还在于探索和描述最先进的人类脆弱性评估模型、当前预防和减轻用户易感性的方法,以及教育和提高认识的培训战略。在文献回顾之后,得出了几个结论。其中,人类脆弱性评估已被纳入旨在评估组织网络安全能力的各种框架中,但它涉及一次性评估,而不是持续的实践。此外,当前的人类脆弱性评估框架仍然忽视了人类恶意;因此,内部威胁行为者逃避识别,这可能导致网络安全风险增加。最后,本研究提出了一个用户易感性档案,根据我们的研究所产生的因素。
2021-06-24 cs.CR
The Generation of Security Scoring Systems Leveraging Human Expert Opinion
虽然可以测量许多安全元素的存在(例如,漏洞、安全控制或隐私控制),因此很难衡量它们的相对安全影响。在物理世界中,我们经常可以测量单个元素对系统的影响。然而,在网络安全中,我们往往缺乏基本事实(即,直接测量显著性的能力)。在这项工作中,我们建议通过利用人类专家的意见来提供地面真相来解决这个问题。专家被反复要求比较成对的安全元素,以确定它们的相对重要性。在后端,我们的知识编码工具对一组安全元素执行二进制插入排序,使用每个专家作为元素比较的oracle。该工具不仅对元素进行排序(注意,可能允许相等),而且还记录每个关系的强度或程度。输出是一个有向的非循环“约束”图,它提供了等价元素集合之间的总排序。然后,多个约束图被统一在一起以形成用于生成评分或优先级排序系统的单个图。对于我们的实证研究,我们应用这种领域不可知的测量方法来生成在漏洞评分,隐私控制优先级,和网络安全控制评估领域的评分/优先级系统。
2022-08-22 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
Human-Usable Password Schemas: Beyond Information-Theoretic Security
密码用户经常使用过于简单的密码,或者他们只是重复使用多个网站的密码。一个常见的抱怨是,使用安全密码太难了。这个问题的一个可能的解决方案是使用密码模式。密码模式是确定性函数,它将挑战(通常是网站名称)映射到响应(密码)。以前的工作已经做了开发和分析易失性模式,但这些分析是信息理论,而不是复杂性理论;他们认为对手具有无限的计算能力。我们进行了分析,相对于目前可实现的计算能力的对手,评估这种模式的现实的实际安全性。我们证明了几个特定的模式,一台计算机是没有比一个无限的对手更糟糕,它可以成功地从泄漏的挑战和他们各自的响应,被称为挑战-响应对提取所有信息。我们还表明,任何模式,希望是安全的,对有界的计算对手应该模糊的信息在一个非常具体的方式,通过引入许多可能的约束,每个挑战-响应对。这些令人惊讶的结果使密码模式的分析建立在更坚实和实用的基础上。
2019-05-31 cs.CC cs.CR cs.CY
A Human Dimension of Hacking: Social Engineering through Social Media
通过社交媒体渠道针对组织员工的社会工程正在成为最具挑战性的信息安全威胁之一。社会工程由于攻击方法依赖于人类的天真或错误而无视传统的安全努力。通过在线社交网络向社会工程师提供的大量信息正在促进攻击方法,这些方法依赖于某种形式的人为错误来渗透公司网络。虽然对组织信息安全目标至关重要的是引入相关的综合政策和指导方针,但全球各地区的观点和做法各不相同。本文确定了这样的区域变化,然后提出了一个详细的调查信息安全的前景和做法,周围的社会媒体,在澳大利亚的组织(公共和私人)。结果发现了不同的观点和做法,这表明需要进一步的工作,以实现有效的保护,防止由于社交媒体的采用而产生的安全威胁。
2020-05-08 cs.CR
An Introduction of System-Scientific Approaches to Cognitive Security
人类的认知能力和“工业5.0”以人为中心的解决方案的需求使人类成为网络物理系统(CPS)中不可或缺的组成部分,称为人类网络物理系统(HCPS),其中包含人工智能技术以帮助和增强人类。第1.1节中人类与技术的紧密结合以及第1.2.4节中的认知攻击带来了新的安全挑战,攻击可以利用人类认知过程的漏洞,影响他们的行为,并最终破坏HCPS。保护HCP免受认知攻击需要一种新的安全范式,我们在第1.2.5节中将其称为“认知安全”。人类认知系统的脆弱性和相关的利用方法将认知安全与“认知可靠性”区分开来,并产生了一个独特的CIA三元组,分别见1.2.5.1和1.2.5.2部分。1.2.5.3部分介绍了认知和技术防御方法,这些方法阻止了认知攻击的杀伤链并实现了认知安全。第1.3节中的系统科学观点提供了一个有希望的方向,通过开发定量,模块化,多尺度和可转移的解决方案来应对认知安全的新挑战。
2023-01-14 cs.CR cs.GT
Functional Magnetic Resonance Imaging and the Challenge of Balancing Human Security with State Security
最近的报告显示,暴力极端分子正试图获得内部职位,这可能会增加对关键基础设施的任何攻击的影响,并可能危及国家服务,人民生命甚至民主。至关重要的是,能够在某些高风险局势中采取极端安全措施,以确保关键基础设施的安全,从而降低恐怖主义威胁的程度,同时维护公民的权利。为了应对这些威胁,我们的研究旨在采取极端措施来分析和评估与人类威胁相关的评估方法,以便使用认知分析技术,特别是功能性磁共振成像(fMRI)进行员工筛选和评估。功能磁共振成像的发展使一些研究人员得出结论,这项技术具有法医潜力,可能有助于投资人格特征,精神疾病,精神病理学,种族偏见和宗教极端主义。然而,批评者声称,这项技术可能会带来许多新的人权和道德困境,并可能导致潜在的灾难性后果。研究的主旨是通过提出一套道德和专业准则来应对上述担忧和有害后果,这些准则将大大减少不道德使用这项技术的风险。这项研究的意义在于确保国家/组织在征得同意和未经同意的情况下窥视个人思维过程的权利的限度,确定个人权利的参数,以确保功能磁共振成像扫描不会对认知自由构成超过适当的威胁,以及在民事,法医和安全环境中正确使用这些信息。
2012-04-16 cs.CR
Security Assessment of E-Tax Filing Websites
技术安全只是电子商务安全操作的一部分;人的可用性和安全感知发挥主要作用,有时甚至是主导因素。例如,具有令人印象深刻的安全图标但没有真正的技术安全的光滑网站通常被用户认为是值得信赖的(因此更有利可图),而不是使用强大的加密传输和服务器保护的普通网站。我们研究了一种重要的电子商务交易网站,电子报税,这是暴露于大量的人口。我们评估了大量的国际(5),联邦(美国)和国家电子税务申报网站(38)的技术安全保护和安全的人类感知。根据评估结果,我们确定了这些电子报税网站的最佳安全做法,并推荐了电子报税网站目前尚未使用的其他安全技术。
2006-08-06 cs.CR
A Model for Enhancing Human Behaviour with Security Questions: A Theoretical Perspective
安全问题是用于恢复密码的机制之一。安全问题的强答案(即高熵)很难让攻击者猜测或使用社会工程技术(例如监控社交网络配置文件)获得,但同时也很难记住。相反,安全问题的弱答案(即低熵)很容易记住,这使得它们更容易受到网络攻击。便利性导致用户在多个帐户上使用相同的安全问题答案,这使这些帐户面临众多网络威胁。因此,目前的安全问题实现很少达到所需的安全性和可记忆性要求。这项研究是开发一个模型的第一步,该模型通过选择安全问题的强有力和令人难忘的答案的动机来调查影响用户行为意图的决定因素。本研究也提供了新的安全问题机制的设计建议。
2017-09-24 cs.CR cs.HC
Leveraging Trustworthy AI for Automotive Security in Multi-Domain Operations: Towards a Responsive Human-AI Multi-Domain Task Force for Cyber Social Security
本研究针对多域作战中网联自动驾驶汽车面临的对抗性机器学习威胁,分析三类决策树集成模型超参数对黑盒攻击时间的影响,为防御性可信AI实践及弹性ML系统构建提供支撑。
2025-07-23 cs.CR
Lighting Two Candles With One Flame: An Unaided Human Identification Protocol With Security Beyond Conventional Limit
设计一个有效的协议,以避免在一个强大的窃听者存在的威胁记录为基础的攻击仍然是一个挑战,超过二十年。在认证过程中,证明者和验证者之间缺乏任何安全链接使得事情变得更加脆弱,因为在观察到阈值挑战-响应对之后,由于信息泄漏,用户的秘密可能很容易得到。现有的文献只提出了新的方法,以确保优于以前的方面,而忽略了他们提出的计划应付不好的方面。毫不奇怪,其中大多数是远远不能令人满意的-要么是远远不能使用或缺乏安全功能。为了克服这个问题,我们首先引入了“泄漏控制”的概念,它限制了自然的信息泄漏率,并大大有助于提高可用性和安全标准。不仅仅是预防,而且,通过引入威胁检测策略(基于蜜词的概念),我们的计划“点燃两支蜡烛”。它不仅消除了实际场景下长期存在的安全性和可用性的冲突,而且随着来自客户端的威胁检测,它能够在分布式框架下保护服务器端的秘密,从而保证超出常规限制的安全性。
2017-05-30 cs.CR
AuraForge: Scaling Security Supervision for Training Coding Agents
Carnegie Mellon University(卡内基梅隆大学);University of California, Los Angeles(加州大学洛杉矶分校);ScOp Venture Capital(ScOp风险投资公司)
AuraForge通过攻击导向测试合成与奖励黑客防护,构建多语言CWE训练平台AuraGym,提供更丰富可靠的安全监督,显著提升编码智能体的安全训练效果。
2026-10-02 cs.CL cs.CR cs.CY
How to Compare the Security of Code Written by Humans to LLM-generated Code
Zurich University of Applied Sciences(苏黎世应用科学大学)
提出一个自动化框架,通过静态和动态质量分析,在人类单独、LLM单独和人类-LLM混合条件下进行可重复的“物种公平”比较实验,以评估LLM生成代码相对于人类代码的安全性。
2026-07-01 cs.CR cs.SE
Belief in False Information: A Human-Centered Security Risk in Sociotechnical Systems
Heilbronn University(海尔布隆大学);University of Hagen(哈根大学)
本文探讨了虚假信息信念的社会技术系统安全风险,分析了影响因素并提出预防策略以增强社会韧性。
2026-01-11 cs.AI cs.CR cs.CY
Trust but Verify? Uncovering the Security Debt of Autonomous Coding Agents
University of Texas at San Antonio(圣安东尼奥得克萨斯大学);Danovo Energy Solutions(Danovo能源解决方案)
本文利用AIDev数据集,通过大语言模型评判框架和人工分析,研究自主编码代理生成拉取请求中的安全代码异味。发现38.9%的请求含安全异味,供应链问题和硬编码凭证占比高,揭示了安全风险及开发者警惕性降低问题,强调需实施上下文感知安全护栏。
2026-07-21 cs.CR
Towards Modeling Cybersecurity Behavior of Humans in Organizations
Kiel University of Applied Sciences(基尔应用科技大学)
本文提出了一种面向组织中人类网络安全行为的建模方法,整合意识、安全文化等关键概念,为开发对抗AI代理操纵攻击的安全策略提供理论框架。
2026-03-09 cs.CR
A Visual Model for Web Applications Security Monitoring
提出了一种新的Web应用安全监控可视化模型。虽然自动化入侵检测系统可以保护Web应用免受常见攻击,但它通常无法检测到更复杂的入侵。因此,人工辅助监控系统是遵循“纵深防御”策略的不可或缺的补充。为了支持人类操作员更有效和高效地工作,信息可视化技术在这个模型中使用。该模型的原型实现创建,并用于测试对一个流行的开源Web应用程序。测试结果证明了该模型的实用性,至少在理解Web应用程序的安全结构。
2019-04-05 cs.CR
Can a Tabula Recta provide security in the XXI century?
本文探讨在计算机完全被攻破时,借助塔布拉方表的人工可计算密码方法能否抵御计算机辅助密码分析,并通过统计分析论证三类算法可提供足够安全性。
2023-12-05 cs.CL cs.CR cs.CY
Security Challenges in Autonomous Systems Design
本文系统梳理了自主系统设计在事件响应、风险评估、数据可用性、系统交互、可信性、可更新性、访问控制及机器学习可靠性与可解释性等方面的新兴安全挑战,并提出了相应的研究方向。
2023-12-04 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
Security of Agent-Integrated Software: When Human Operations and Agent Actions Coexist
State Key Laboratory for Novel Software Technology, Nanjing University(南京大学软件新技术国家重点实验室);Technical University of Munich(慕尼黑工业大学)
本文提出从整个系统层面评估智能体集成软件的安全性,将共存问题分为四类,并指出信息溯源、策略执行、授权维持和效果恢复等研究方向。
2026-09-22 cs.CR cs.SE
LLMs in the SOC: An Empirical Study of Human-AI Collaboration in Security Operations Centres
eSentire Inc.(eSentire公司)
本文通过对45名SOC分析师10个月内3,090条查询的纵向研究,揭示大语言模型在安全运营中心中作为按需认知辅助工具增强而非取代分析师专业能力,为设计以人为中心的安全AI辅助提供实证依据。
2025-09-19 cs.CR
Cry Wolf: Toward an Experimentation Platform and Dataset for Human Factors in Cyber Security Analysis
计算机网络防御是自动化系统和人类网络安全分析师之间的合作。系统行为,例如提高高比例的假警报,可能会影响网络分析师的性能。由于缺乏安全专家的访问、攻击数据集的可用性以及使用安全分析工具所需的培训,分析系统领域的实验具有挑战性。本文介绍了Cry Wolf,这是一个用于网络安全分析任务用户研究的开源Web应用程序。本文还提供了一个开放访问的数据集的73个真实和虚假的入侵检测系统(IDS)警报来自现实世界的例子“不可能的旅行”的情况。Cry Wolf和impossible travel数据集被用于一项实验,研究IDS误报率对分析人员将IDS警报正确分类为真警报或假警报的能力的影响。实验结果被用来评估数据集的质量,从经典的测试理论的难度和歧视指数的措施。数据集中的许多警报为参与者的整体任务表现提供了很好的区分。
2020-02-24 cs.CR cs.HC
Adaptive alert prioritisation in security operations centres via learning to defer with human feedback
本文提出L2DHF框架,利用基于人类反馈的深度强化学习优化警报推迟决策,在UNSW-NB15和CICIDS2017上显著提升警报优先级排序准确性并减少推迟,减轻分析人员负担。
2025-06-23 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
Towards AI-Driven Human-Machine Co-Teaming for Adaptive and Agile Cyber Security Operation Centers
George Mason University(乔治·马歇尔大学);University of South Florida(佛罗里达州立大学)
针对SOC告警过载、人才短缺与工具割裂问题,本文提出利用LLM驱动的人机协同团队,通过分析师隐性知识传递增强威胁情报、告警分类与事件响应。
2025-05-09 cs.AI cs.CR
Visualizing BACnet data to facilitate humans in building-security decision-making
楼宇自动化系统(BAS)是硬件和软件的互连网络,用于监视和控制建筑物中的事件。BAS中使用的数据通信协议之一是楼宇自动化和控制网络协议(BACnet),其是用于BAS设备之间的通信的国际上采用的ISO标准。虽然BAS专注于为居民提供安全,减少建筑物的能源消耗并降低其运营成本,但由于现代系统的固有复杂性,其安全性受到影响。诸如BAS的有效监测的问题提出了重大挑战,即,BAS操作员通常只具备部分态势感知能力。特别是在大型和相互连接的建筑物中,运营商面临着在大量同时发生的事件中发现有意义事件的挑战,导致BAS网络中的异常无法观察到。在本文中,我们提出的技术来分析和可视化的数据从BAS设备的方式,确定这种不寻常的事件的潜在重要性,并有助于建筑安全决策。我们实现了这些技术作为一个基于移动(Android)的应用程序,用于显示应用程序数据,并作为工具来分析使用有向图的通信流。
2015-02-24 cs.CR
How WEIRD is Usable Privacy and Security Research? (Extended Version)
针对可用性隐私与安全领域参与者样本存在WEIRD国家偏向的问题,通过文献综述发现其偏向程度高于人机交互领域,分析了成因并提出提升样本地理多样性的相关建议。
2023-10-08 cs.CR cs.CY cs.HC
Safety vs. Security: Attacking Avionic Systems with Humans in the Loop
飞机上的许多无线通信系统缺乏标准的安全机制,使它们从根本上容易受到攻击。随着经济实惠的软件定义无线电的出现,一种新的威胁已经出现,允许广泛的攻击者轻松干扰无线航空电子系统。虽然这些漏洞是已知的,但利用它们的具体攻击仍然是新颖的,尚未得到很好的理解。这一点在它们对被攻击飞机的操纵及其安全性的动力学影响方面尤其如此。为了调查这一点,我们邀请了30名空客A320型号的飞行员来飞行模拟器场景,在这些场景中,他们的航空电子设备受到攻击。我们实现和分析三个安全相关的系统:交通防撞系统(TCAS),地面接近警告系统(GPWS)和仪表着陆系统(ILS)的新型无线攻击。我们发现,所有三个分析的攻击场景产生了显着的控制影响和中断的成本,通过周转,回避机动,和改道。它们进一步增加了工作量,对受影响系统的不信任,并且在38%的情况下导致受攻击的安全系统完全关闭。所有的飞行员都认为这些场景是有用的,93.3%的人认为无线攻击的模拟器培训可能是有价值的。
2019-05-20 cs.CR
Influences of Human Demographics, Brand Familiarity and Security Backgrounds on Homograph Recognition
同形异义词攻击是攻击者利用许多字符看起来相似的事实来欺骗受害者关于他们正在与哪个网站域名通信的一种方式。当最近许多品牌域名受到攻击时,攻击变得严重,并引起了广泛的关注,例如苹果公司,Adobe Inc.,我们首先设计了一项关于人口统计学、品牌熟悉度和安全背景的调查,并将其应用于2,067名参与者。我们建立了一个回归模型来研究哪些因素会影响被试的同形词域识别能力。我们发现,对于不同水平的视觉相似性,参与者表现出不同的能力。13.95%的被试能够识别出非同形词,16.60%的被试能够识别出与目标品牌领域视觉相似度在99.9%以下的同形词,但当相似度增加到99.9%时,能够识别出同形词的被试人数显著下降到只有0.19%;对于视觉相似度为100%的同形异义词,被试无法识别。我们还发现,女性参与者倾向于更好地识别同形词的男性,但男性参与者往往能够识别非同形词比女性更好。安全知识是影响同形词和非同形词的重要因素;令人惊讶的是,具有强大安全知识的人往往能够识别同形词,但不能识别非同形词。此外,在计算机科学或计算机工程领域工作或接受教育的人不会成为影响识别同形异义词能力的因素;然而,有趣的是,在向他们解释同形异义词攻击后,在计算机科学或计算机工程领域工作或接受教育的人是最快捕捉到情况的人。
2020-01-27 cs.CR
Cyber-Physical Security: A Game Theory Model of Humans Interacting over Control Systems
Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室);NASA Ames(美国国家航空航天局艾姆斯研究中心);Stanford University(斯坦福大学)
本文提出一种游戏理论模型,用于建模攻击者与系统操作员在控制系统上的交互,以设计更安全的智能电网。
2013-04-15 cs.CR cs.CY cs.GT
Personhood Credentials: Human-Centered Design Recommendation Balancing Security, Usability, and Trust
Pennsylvania State University(宾夕法尼亚州立大学)
本研究通过访谈23名欧美用户,提出人格凭证(PHC)的设计建议,以平衡安全性、可用性与信任,涵盖颁发者、数据来源及系统选择等关键因素。
2025-02-22 cs.AI cs.CR cs.CY