Development of Cybersecurity Simulator-Based Platform for the Protection of Critical Infrastructures
本文开发了一个基于实时仿真和数字孪生的网络安全模拟器平台,通过在瓦萨港微电网中构建协同仿真环境来模拟网络攻击场景,以提升关键基础设施的韧性与安全性。
2024-05-02 cs.CR
Cybersecurity of Electric Vehicle Charging Infrastructure: Recent Advances, Open Challenges, and Future Directions
Mississippi State University(密西西比州立大学)
本文综述了电动汽车充电基础设施的网络安全问题,分析了常用数据集和建模方法的局限性,并提出了未来研究方向以推动入侵检测系统的发展。
2026-05-22 cs.CR
Enhancing Cybersecurity in Critical Infrastructure with LLM-Assisted Explainable IoT Systems
Wright State University(赖特州立大学);Western New England University(新英格兰西部大学)
提出融合 Autoencoders 与 GPT-4 的混合框架,通过 LLM 辅助预处理和自然语言异常解释,将 KDDCup99 上的宏平均 F1 从 0.49 提升至 0.98。
2025-03-05 cs.CR
Improving the Cybersecurity of Critical National Infrastructure using Modelling and Simulation
英国关键国家基础设施严重依赖数字技术,这些技术提供通信、监测、控制和决策支持功能。数字技术正在逐步提高基础设施的效率、可靠性和可用性,并带来以前没有的新好处。这些好处可以通过数字系统实现的连接性引入漏洞,从而使经常使用社会技术方法的潜在攻击者更容易利用人在环来闯入和破坏组织。因此,最大限度地减少和管理风险的政策和战略必须包括对运营商和公司行为的理解,以及技术要素和它们与人类之间的界面。如果得到政府努力的支持,包括适当的政策干预,就可以实现建模和模拟。政府可以通过其部门和机构,通过标志和塑造有关网络安全M&S方法和工具的决策环境,展示它们如何有助于加强现代关键基础设施系统的安全。
2022-08-16 cs.CR
Classification of cyber attacks on IoT and ubiquitous computing devices
本文对物联网恶意软件进行分类,识别主要攻击目标与利用方式,指出设备定义和安全目标缺失是核心障碍,并强调现有攻击大多可通过既有技术措施缓解。
2023-12-01 cs.CR
Enhancing Cybersecurity in IoT Networks: A Deep Learning Approach to Anomaly Detection
Hebei Finance University(河北金融学院)
针对物联网扩张带来的网络安全威胁升级问题,提出融合LSTM与注意力机制的深度学习异常检测模型,在多类公开数据集上表现优于现有基线。
2024-12-11 cs.CR cs.LG
AI-Driven Cybersecurity Testbed for Nuclear Infrastructure: Comprehensive Evaluation Using METL Operational Data
Argonne National Laboratory(阿贡国家实验室)
本研究利用METL操作数据,评估了四种AI方法在核设施网络安全中的检测性能,发现变化点检测效果最佳,为关键基础设施的网络安全提供了基准和架构。
2025-12-01 cs.CR
Federated Learning-Driven Cybersecurity Framework for IoT Networks with Privacy-Preserving and Real-Time Threat Detection Capabilities
Western University(西安大略大学)
针对物联网网络中传统集中式安全方法难以平衡隐私保护与实时威胁检测的问题,提出联邦学习驱动的网络安全框架,利用本地模型训练、同态加密聚合及RNN异常检测,实现98%以上威胁检测准确率并降低20%资源消耗,提供可扩展隐私保护方案。
2025-02-14 cs.CR cs.LG cs.NI
CTF as a Service: A reproducible and scalable infrastructure for cybersecurity training
Universidad Pública de Navarra(纳瓦拉公立大学)
本文提出CTF as a Service平台,利用虚拟化和IaC工具实现自动化部署和可扩展的网络安全培训。
2026-04-13 cs.CR
Cybersecurity in the Quantum Era: Assessing the Impact of Quantum Computing on Infrastructure
University of Montreal(蒙特利尔大学);Canadian Institute for Cybersecurity (CIC), University of New Brunswick(加拿大网络安全研究所(CIC),新不伦瑞克大学)
本文探讨量子计算对关键基础设施和云服务的影响,提出九个关键组件的安全蓝图,以增强对量子威胁的防御能力。
2024-04-16 cs.CR
CERTIoT-6G: Continuous Cybersecurity Certification for IoT Devices in 5G/6G Networks
Imperial College London(帝国理工学院);University College London(伦敦大学学院)
针对物联网设备在5G/6G网络中面临的网络安全与监管认证难题,本文提出CERTIoT-6G安全即服务框架,可自动化认证与持续合规监控,经验证其影响可忽略且能识别合规缺口。
2026-08-25 cs.CR cs.NI
Autonomous Low Power IoT System Architecture for Cybersecurity Monitoring
网络安全早晨(NSM)对于任何网络安全系统都至关重要,网络攻击的平均成本为110万美元。无论一个系统多么安全,如果没有适当和持续的监控,它最终都会失败。难怪网络安全市场预计将在2022年增长到1704亿美元。然而,由于初始和运营成本以及静态的未利用资源,大多数传统行业没有投资于NSM实施,直到为时已晚。因此,本文提出了一种新的动态物联网(IoT)架构的工业NSM,具有低安装和运营成本,低功耗,智能组织行为,环保运行。作为一个案例研究,该系统在南部各州的一个中档石油天然气制造设施中实施,该设施在三个偏远地区拥有300多台机器和服务器,以及一个具有挑战性大气条件的生产工厂。所提出的系统成功地显示出显著的功耗节省(>65%),获得了十分之一的安装成本,开发了智能操作专家系统工具,并且每小时节省超过500毫克的CO2污染,促进了绿色物联网系统。
2022-10-29 cs.CR cs.NI
Easier Said Than Done: The Failure of Top-Level Cybersecurity Advice for Consumer IoT Devices
本文分析国家级IoT安全建议与40台消费级设备说明材料的匹配情况,发现没有设备能适用全部四条共识建议,并提出声明用户视角工作模型等建议。
2023-10-02 cs.CR
A Simple and Agile Cloud Infrastructure to Support Cybersecurity Oriented Machine Learning Workflows
Sophos AI(Sophos人工智能)
为机器学习(ML)安全模型生成最新的、标记良好的数据集是一项独特的工程挑战,因为大量数据、标记的复杂性和不断的概念漂移使得难以生成有效的训练数据集。在这里,我们描述了一个简单、有弹性的云基础设施,用于生成ML训练和测试数据集,这提高了我们的团队研究和生产大量安全ML模型的速度。
2020-02-26 cs.CR cs.LG
Beyond Resilience: Antifragility in Critical Infrastructure Cybersecurity
Augusta University(奥古斯塔大学);The University of Tulsa(塔尔萨大学)
本文针对关键基础设施网络安全提出反脆弱性理论,结合两类数据集验证假设,发现OT相关行业扰动事件占比更高,攻击会增大过程偏差,为反脆弱性测试确立了两个前提条件。
2026-08-03 cs.CR
A Modern Analysis of Aging Machine Learning Based IoT Cybersecurity Methods
University of Wisconsin – Eau Claire(威斯康星大学欧克莱尔分校)
现代科学进步往往有助于引进和改进以前从未见过的技术。这可能是人类需要维护和监控的任务,因此,我们的社会已经依赖于机器学习来帮助完成这项任务。新技术带来了新方法,从而也带来了规避现有网络安全措施的新方法。本研究考察了目前工业界用于恶意软件和入侵检测的三种不同物联网网络安全算法的有效性:随机森林(RF),支持向量机(SVM)和K-最近邻(KNN)。每个算法都在Aposemat IoT-23数据集上进行了训练和测试,该数据集于2020年1月发布,最早的捕获时间为2018年,最新的捕获时间为2019年。RF,SVM和KNN在入侵检测中分别达到92.96%,86.23%和91.48%的峰值准确率,在恶意软件检测中分别达到92.27%,83.52%和89.80%。研究发现,这三种算法都能够在2021年有效地用于当前的物联网网络安全领域。
2021-10-15 cs.CR cs.LG
Safeguarding the Future of Mobility: Cybersecurity Issues and Solutions for Infrastructure Associated with Electric Vehicle Charging
本文针对电动汽车充电站生态系统的网络安全问题,提出一种基于机器学习的入侵检测系统,旨在以低误报率和高准确率保护充电基础设施的安全。
2025-01-24 cs.CR
Influence of Autoencoder Latent Space on Classifying IoT CoAP Attacks
University of León(莱昂大学);Research Institute of Applied Sciences in Cybersecurity (RIASC) MIC. University of León(网络安全应用科学研究所以MIC·莱昂大学);University of A Coruña(拉科鲁尼亚大学)
本研究通过结合自动编码器潜在空间与三种分类技术,提出了一种高效识别物联网CoAP协议安全攻击的模型,实现了超过99%的识别精度。
2026-02-20 cs.CR
Cyberattacks on Energy Infrastructures: Modern War Weapons
最近对能源基础设施的高调网络攻击,例如2021年殖民地管道的安全漏洞以及从2010年代中期至今扰乱乌克兰电网的攻击,将网络安全作为首要任务。随着今年欧洲政治紧张局势升级,对关键基础设施安全的担忧也有所增加。工业部门的运营商面临着新的网络安全威胁,这些威胁增加了服务中断、财产损失和环境损害的风险。随着地缘政治紧张局势的加剧,拥有网络连接系统的工业公司现在被认为是对手推进政治、社会或军事议程的主要目标。此外,最近的俄罗斯-乌克兰冲突已经在全世界敲响了通过网络攻击能源网络的危险警钟。成功用于攻击乌克兰能源网络的攻击方法、技术和程序可以在其他地方使用。这项工作的目的是在网络战争日益兴起的情况下,对能源基础设施的网络安全进行全面分析。本文介绍了最近与能源相关的网络攻击的历史及其原因,讨论了电网的脆弱性,并为保护电网免受攻击提出了预防性论点。
2022-08-28 cs.CR
Designing a blockchain-based IoT infrastructure with Ethereum, Swarm and LoRa
如今,生活各个方面的物联网设备数量呈指数级增长。我们居住的城市变得越来越智能,并以上下文的方式告知我们周围的环境。然而,除了存储和挖掘这些数据以提供更高质量的物联网服务的问题之外,还存在部署、管理和收集这些设备数据的重大挑战。区块链技术,即使在今天的新生形式中,也包含了创建一个共同的,分布式的,不信任的和自主的基础设施系统的支柱。本文描述了一个标准化的物联网基础设施;其中数据存储在DDoS抗性,容错,分布式存储服务上,数据访问由分散的,不可信的区块链管理。该系统使用LoRa作为新兴的网络技术,Swarm作为分布式数据存储,以太坊作为区块链平台。这样的数据后端将确保高可用性和最小的安全风险,同时用单一的“智能合约”取代传统的后端系统。
2018-09-22 cs.CR
Consumer, Commercial and Industrial IoT (In)Security: Attack Taxonomy and Case Studies
物联网(IoT)设备在我们的生活中变得无处不在,应用范围从消费领域到商业和工业系统。物联网设备的急剧增长和广泛采用加强了设备开发生命周期中健全和强大的网络安全实践的重要性。物联网相关的漏洞如果被成功利用,不仅会影响设备本身,还会影响物联网设备运行的应用领域。显然,查明和解决每一个脆弱性是一项艰巨的任务,如果不是不可能的话。攻击分类法可以帮助对攻击及其相应的漏洞进行分类。然后,可以利用安全对策和最佳实践来缓解威胁和漏洞,以免它们成为灾难性攻击,并确保整体安全的物联网操作。因此,在本文中,我们提供了一种攻击分类,该分类考虑了物联网堆栈的不同层,即,设备、基础设施、通信和服务,以及每一层可被对手利用的指定特征。此外,我们还使用了9起针对消费者、商业和工业部门部署的物联网设备的真实网络安全事件,描述了物联网相关的漏洞、利用程序、攻击、影响以及潜在的缓解机制和保护策略。这些(以及许多其他)事件突出了物联网系统的潜在安全问题,并展示了此类互联生态系统的潜在攻击影响,而拟议的分类法提供了一个系统化的程序,根据受影响的层和相应的影响对攻击进行分类。
2021-05-14 cs.CR
Critical Infrastructure Protection: Generative AI, Challenges, and Opportunities
本文面向国家关键基础设施的网络安全风险,分析信任、隐私、韧性及安全与安保融合问题,并提出结合生成式AI和LLMs的CIP生命周期与行业应用框架。
2024-05-08 cs.CR
Factors Impacting Resilience of Internet of Things Systems in Critical Infrastructure
物联网(IoT)系统最近被用于各种类型的关键基础设施,包括集成救援系统,医疗保健,国防,能源和其他领域。最近,物联网系统的安全性和安全性受到了许多研究的质疑。提出的担忧原则上与物联网技术无关,而是与大多数可以预防的不良工程实践有关。在关键基础设施中,对安全性和保障性的需求非常强烈,这证明了关于物联网系统总体弹性的讨论是合理的。在这方面,复原力包括系统对网络攻击的抵抗力及其对运行条件的稳定性以及系统在当前缺陷方面的可靠性和安全性。在本文中,我们讨论了影响关键基础设施中物联网系统弹性的相关因素,并提出了可能的对策和行动,以减轻这些因素的潜在影响。与以前的工作相反,本文采用了独特的关键系统基于模型的测试观点。
2022-05-26 cs.CR
Communication-efficient Certificate Revocation Management for Advanced Metering Infrastructure and IoT
高级计量基础设施形成了一个通信网络,用于收集智能电网中智能电表的电力数据。然而,由于可以利用公钥密码学来保护智能仪表之间的通信,因此公钥密码学在证书撤销和管理方面仍然具有某些挑战,特别是与被撤销证书的分发和存储开销相关的挑战。为了应对这一挑战,在本文中,我们提出了一种新的撤销管理方法,通过利用加密的撤销,从而大大降低了空间要求的撤销信息,从而使这些信息的有效分布到所有的智能电表。我们实现了ns-3网络模拟器和一个测试平台上提出的方法。我们证明了其优越的性能相对于传统的方法进行撤销管理。
2020-08-05 cs.CR
Extricating IoT Devices from Vendor Infrastructure with Karl
本文提出智能家居框架 Karl,将物联网计算与存储迁移到用户本地设备,并通过管道权限和出口策略两种安全机制,在保留模块化灵活性的同时实现对设备数据流的细粒度控制与合理解释。
2023-05-31 cs.CR
A data-driven security quantification framework for IoT-based systems
School of Computing and Engineering, University of Bradford(布拉德福德大学计算机与工程学院)
提出一种结合模型系统工程、攻击树分析和EPSS漏洞数据的概率安全框架,用于量化物联网系统的妥协概率并指导缓解策略。
2026-06-16 cs.CR
Autonomous AI-based Cybersecurity Framework for Critical Infrastructure: Real-Time Threat Mitigation
School of Computer Science and Technology(计算机科学与技术学院)
本文提出了一种基于AI的自主网络安全框架,用于实时检测和缓解关键基础设施中的网络威胁,以提升系统安全性和韧性。
2025-07-10 cs.AI cs.CR cs.ET
Towards Secure IoT Communication with Smart Contracts in a Blockchain Infrastructure
物联网(IoT)正在IT行业中快速增长,但由于其规模庞大,分散的拓扑结构和资源受限的设备,它仍然与一些安全和隐私问题相关。区块链(BC)是一种用于加密货币的分布式账本技术,在物联网安全和隐私领域引起了极大的关注。然而,在大多数情况下,采用BC到IoT并不简单,这是由于BC操作造成的开销和延迟。在本文中,我们将称为Hyperledgder Fabric的BC技术应用于物联网网络。该技术为事务引入了执行顺序技术,将事务执行与共识分离,从而提高了效率。我们证明了我们提出的IoT BC架构在基本安全目标方面是足够安全的,即,机密性、完整性和可用性。最后,强调了模拟结果,表明与我们的方法相关的性能开销与Hyperledger Fabric框架相关的性能开销一样小,并且在安全性和隐私方面可以忽略不计。
2020-01-06 cs.CR
A Review on Cybersecurity in Smart Local Energy Systems: Requirements, Challenges, and Standards
智能本地能源系统(SLES)被认为是一个有前途的途径,有利于更有效和本地化的运营,受益于复杂的信息和通信技术(ICT)基础设施和物联网(IoT)技术。作为关键基础设施的一部分,物联网不仅需要有效的检测和管理来解决潜在的网络安全问题,而且还需要大量的标准来确保物联网系统的安全性,以最大限度地降低风险。本研究旨在检讨现有的标准,探讨如何与SLES发展的兼容性,并确定未来的重点领域。虽然现有的标准和协议是高度分散的,我们的研究结果表明,他们中的许多人可以满足的应用程序和基础设施的SLES的要求。此外,由于信息安全和个人隐私的重要性日益增加,已经引入了许多标准来保护它们。该研究还表明,该行业需要生产更实惠和网络安全的设备和服务。对于政府和监管机构,应提供有关应用程序最低功能和安全要求的相关指南。此外,合规性测试和认证应该到位,并由独立的第三方执行,以确保SLES生态系统的组件具有令人满意的设计安全级别。
2021-08-18 cs.CR
Hyperloop: A Cybersecurity Perspective
本文首次从网络安全角度分析 Hyperloop 生态系统组件互联风险,梳理现有实现特征、基础设施管理方式及安全隐患,并提出防护对策与未来研究方向。
2024-05-20 cs.CR
Trust-based Approaches Towards Enhancing IoT Security: A Systematic Literature Review
本文系统性综述了23篇关于物联网基于信任的网络安全方法的研究,将缓解技术分为基于观察、基于知识和基于集群三大类,并指出了未解决问题与未来方向。
2023-11-20 cs.CR cs.NI
Artificial Neural Network for Cybersecurity: A Comprehensive Review
网络安全是一个非常新兴的领域,可以保护系统、网络和数据免受数字攻击。随着互联网规模的增加和网络攻击的演变,开发新的网络安全工具变得非常重要,特别是对于物联网(IoT)网络。本文对深度学习(DL)方法在网络安全中的应用进行了系统的综述。本文简要介绍了用于网络安全的深度学习方法,包括深度信念网络、生成对抗网络、递归神经网络等。接下来,我们将说明浅层学习和深度学习之间的区别。此外,还讨论了物联网和其他网络中当前流行的网络攻击,以及DL方法管理这些攻击的有效性。此外,本文还介绍了重点介绍DL技术、网络安全应用和数据集来源的研究。接下来,讨论DL系统用于恶意软件检测和分类、入侵检测和其他频繁的网络攻击(包括识别文件类型、垃圾邮件和网络流量)的可行性。我们的综述表明,当应用于自定义数据集时,受限玻尔兹曼机(RBM)获得了99.72%的高分类准确率,而长短期记忆(LSTM)在KDD Cup 99数据集上达到了99.80%的准确率。最后,本文讨论了网络安全对于可靠和实用的物联网驱动的医疗保健系统的重要性。
2021-06-20 cs.CR cs.LG eess.SP
End-to-End Co-Simulation Testbed for Cybersecurity Research and Development in Intelligent Transportation Systems
the University of Alabama(阿拉巴马大学)
本文提出一个集成CARLA、SUMO和OMNeT++的端到端联合仿真测试平台,用于智能交通系统网络安全评估,并通过后量子密码增强的C-V2X预警系统案例验证其在脆弱性识别与缓解基准测试中的有效性。
2025-09-20 cs.CR
SoK: Securing the Final Frontier for Cybersecurity in Space-Based Infrastructure
本文系统梳理地面、空间、卫星及星座层面的网络攻击向量,评估相关缓解措施有效性,并提出风险评分框架以识别未来研究挑战。
2025-07-22 cs.CR cs.NI
AI/ML for 5G and Beyond Cybersecurity
本研究综述 AI/ML 在 5G 及未来网络安全中的作用,分析其威胁与挑战,并提出利用 AI/ML 预测和缓解安全风险的观点。
2025-05-23 cs.CR
Critical Infrastructure Security Goes to Space: Leveraging Lessons Learned on the Ground
本文通过比较工业控制系统与空间系统的共性,迁移地面关键基础设施和 IoT 的网络安全经验,为空间系统防护及未来研发提出建议。
2023-09-26 cs.CR cs.SY eess.SY
On TinyML and Cybersecurity: Electric Vehicle Charging Infrastructure Use Case
University of Western Ontario(西安大略大学);Ontario Tech University(安大略理工大学)
本文综述了TinyML在资源受限环境下的网络安全挑战与解决方案,并以电动汽车充电基础设施为用例,通过ESP32微控制器实验验证了TinyML在降低延迟和内存使用方面的优势。
2024-07-26 cs.AI cs.CR cs.LG
Toward Cybersecurity Testing and Monitoring of IoT Ecosystems
本文提出面向物联网生态系统的网络安全测试与监控框架及工具规范,结合用例说明工具链、工作流、指标和异常检测等机制,并总结关键观察与后续工作。
2025-02-18 cs.CR cs.SE
A Review of Performance, Energy and Privacy of Intrusion Detection Systems for IoT
物联网(IoT)是一项颠覆性技术,其应用范围涉及交通和物流系统、智能电网、灵巧家庭、联网车辆和智能城市等多个领域。随着这些基础设施的增长,对这些基础设施的攻击的数量和种类也在增加,突出了不同保护机制的重要性。入侵检测是杰出的保护机制之一,最近为物联网和物联网建立有效的入侵检测做出了显著的努力。然而,这种基础设施的独特特征,包括电池功率,带宽和处理器开销,以及网络动态可以影响入侵检测系统的操作。本文对物联网系统的现有入侵检测系统进行了全面研究,包括新兴系统,如车联网(IoV)。本文分析了现有的系统在三个方面:计算开销,能源消耗和隐私的影响。在对现有入侵检测方法进行严格分析的基础上,本文还确定了针对资源受限的物联网系统及其应用(如IoV)的入侵检测系统的有效和协作设计所面临的挑战。这些努力旨在突出物联网入侵检测的最新技术水平,以及需要在这些系统中实现有效入侵检测的具体努力的开放挑战。
2018-12-21 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
Power Grid Cybersecurity: Policy Analysis White Paper
GLNS
针对美国电网网络安全政策零散被动的问题,提出加强信息共享与标准化网络卫生的双重政策,并建议统一框架协调标准,以提升即时与长期防护。
2025-10-16 cs.CR
Simulating Malicious Attacks on VANETs for Connected and Autonomous Vehicle Cybersecurity: A Machine Learning Dataset
Oxford Brookes University(牛津布鲁克斯大学)
互联和自动驾驶汽车(CAV)依赖于车辆自组织网络,车辆和路边基础设施之间通过无线通信来支持安全运行。然而,网络安全攻击对VANESTO和CAV的安全运行构成了威胁。本研究提出了使用模拟典型的通信场景,可能会受到恶意攻击的建模。Eclipse MOSAIC仿真框架用于模拟两种典型的道路场景,包括车辆和基础设施之间的消息传递,并介绍了重播和虚假信息网络安全攻击。该模型展示了这些攻击的影响,并提供了一个开放的数据集,为机器学习算法的开发提供信息,以提供异常检测和缓解解决方案,从而增强安全通信和CAV在道路上的安全部署。
2022-02-15 cs.CR cs.LG
Leveraging Machine Learning for Botnet Attack Detection in Edge-Computing Assisted IoT Networks
Artificial Intelligence Research (AIR) Center(人工智能研究(AIR)中心);University of North Dakota(北达科他大学)
本研究比较随机森林、XGBoost和LightGBM三种集成学习算法,在边缘计算辅助物联网环境中检测僵尸网络攻击,验证其准确性与在资源受限设备上的可行性。
2025-08-03 cs.AI cs.CR
Cybersecurity Attacks in Vehicle-to-Infrastructure (V2I) Applications and their Prevention
互联车辆(CV)环境由各种数据汇集、数据通信和传播以及计算基础设施系统组成,这些系统与所有传统计算环境一样容易受到网络攻击。网络攻击可能会危及互联汽车应用的预期安全性、移动性、能源和环境效益。由于网络攻击可能导致严重的交通事故,它已成为联网汽车应用中的主要问题之一。在本文中,我们从V2I应用的角度研究了网络攻击对V2I网络的影响。然后,我们开发了一种新的V2I网络安全架构,命名为CVGuard,它可以检测和防止对V2I环境的网络攻击。在设计CVGuard时,考虑了可扩展性、弹性和未来可用性等关键挑战。在V2I应用程序上使用分布式拒绝服务(DDoS)的案例研究,即,停止标志间隙辅助(SSGA)应用程序表明,CVGuard在减轻DDoS攻击造成的不利影响方面是有效的。在我们的案例研究中,由于DDoS攻击,次要和主要道路车辆之间的冲突发生在无信号交叉口,这可能导致潜在的碰撞。由于CVGuard的运作,车辆之间的冲突减少。根据CVGuard安全平台实施和运行前后的冲突数量,对冲突减少情况进行了比较。分析显示,CVGuard采用的策略成功地将车辆间冲突减少了60%,其中DDoS攻击在无信号交叉口危及SSGA应用程序。
2017-11-29 cs.CR cs.NI
A Deep Learning-based Penetration Testing Framework for Vulnerability Identification in Internet of Things Environments
近年来,物联网(IoT)范式呈现出巨大的增长,导致了工业4.0和智能环境等创新,这些创新提高了效率,资产管理并促进了智能决策。然而,这些好处被由于固有漏洞而产生的大量网络安全问题所抵消,这些漏洞阻碍了基于物联网的系统的机密性,完整性和可用性。安全漏洞可以通过应用渗透测试来检测,特别是信息收集阶段的一个子集,称为漏洞识别。然而,由于生成的数据的多样性、硬件限制和环境复杂性,现有的渗透测试解决方案无法从物联网环境中发现零日漏洞。因此,开发有效的渗透测试解决方案来检测智能物联网环境中的漏洞势在必行。本文提出了一种基于深度学习的渗透测试框架,即长短期记忆递归神经网络漏洞识别(LSTM-EVI)。我们通过一个新的面向网络安全的测试平台来利用这个框架,这是一个基于智能机场的测试平台,由物理和虚拟元素组成。该框架使用该测试平台和实时数据源进行了评估。我们的研究结果表明,该框架实现了约99%的扫描攻击的检测准确率,优于其他四个对等技术。
2021-09-20 cs.CR
CYGENT: A cybersecurity conversational agent with log summarization powered by GPT-3
本研究开发了由 GPT-3.5 驱动的网络安全对话智能体 CYGENT,通过微调 GPT-3 模型实现日志摘要与分析,实验证明 Davinci 模型表现最佳且 BERTscore 超过 97%,有效提升了系统管理员对日志的理解能力。
2024-03-25 cs.CR
Enhancing Critical Infrastructure Cybersecurity: Collaborative DNN Synthesis in the Cloud Continuum
针对关键基础设施在云连续体中的网络安全挑战,本文提出利用训练好的边缘云模型合成中心云模型的方法,以降低计算复杂性和保持入侵检测准确性,并通过与传统及协作技术对比验证其有效性。
2024-05-23 cs.CR cs.NI
Bridging the Smart City Cybersecurity Data Gap Through AI-Driven Synthetic Dataset Generation
Dakota State University(达科他州立大学)
提出AI合成数据生成框架,利用生成模型产生高保真网络安全数据集,解决真实数据稀缺问题,支持智慧城市安全工具开发与评估。
2026-06-11 cs.CR
VISCR: Intuitive & Conflict-free Automation for Securing the Dynamic Consumer IoT Infrastructures
消费者物联网的特点是具有不同功能和编程接口的异构设备。这种同质性的缺乏使得物联网基础设施的集成和安全管理成为用户和管理员的一项艰巨任务。在本文中,我们介绍了VISCR,这是一个独立于供应商的策略规范和冲突解决引擎,可以在物联网环境中实现无冲突的策略规范和执行。VISCR将物联网基础设施的拓扑结构转换为基于树的抽象,并将现有策略从异构供应商特定的程序设计语言(如基于Groovy的SmartThings,OpenHAB,基于IFTTT的模板和基于MUD的配置文件)转换为独立于供应商的基于图的规范。使用这两者,VISCR可以自动检测Rouge策略,冲突和错误,以实现一致的自动化。一旦检测到,VISCR会推断新的策略,并将其作为现有策略的替代方案提供给用户,以进行微调和无冲突执行。我们使用907个物联网应用程序的数据集评估了VISCR,这些应用程序在模拟的智能建筑物联网基础设施中使用异构自动化规范进行编程。在我们的实验中,在907个物联网应用程序中,VISCR将342个物联网应用程序暴露为一个或多个违规行为。VISCR检测到现有最先进工具报告的100%违规行为,同时在另外266个应用程序中检测到新类型的违规行为。在性能方面,VISCR可以在不到1.2秒的时间内生成400棵抽象树(用于指定策略),其中包含10万个叶节点。在我们的实验中,VISCR花了80.7秒来分析我们的907个应用程序的基…
2019-07-31 cs.CR cs.FL cs.PL
Processing Tweets for Cybersecurity Threat Awareness
LASIGE, Faculdade de Ciências, Universidade de Lisboa(LASIGE,里斯本大学科学学院)
接收及时且相关的安全信息对于维持IT基础设施的高安全级别至关重要。这些信息可以从用户、安全组织和研究人员每天发布的开源情报中提取。特别是,Twitter已成为获取包括网络安全在内的许多主题前沿信息的信息中心。这项工作提出了SYNAPSE,一个基于Twitter的流媒体威胁监视器,生成一个不断更新的总结的威胁景观相关的监测基础设施。其推文处理管道由过滤、特征提取、二进制分类、创新的聚类策略和妥协指标(IoC)的生成组成。一项定量评估,考虑了来自80个账户超过8个月的所有推文(超过195.000条推文),表明我们的方法及时并成功地找到了大多数与示例IT基础设施相关的安全相关推文(真阳性率在90%以上),错误地选择少量推文作为相关推文(假阳性率低于10%),并每天将结果汇总到非常少的IoC。对SYNAPSE生成的IoC的定性评估证明了它们的相关性(基于CVSS评分和补丁或漏洞的可用性)和及时性(基于NVD的威胁披露日期)。
2019-04-03 cs.CR cs.LG
Cybersecurity Law: Legal Jurisdiction and Authority
网络安全威胁影响到社会的各个方面;关键基础设施(如网络、企业系统、供水系统和智能交通系统)特别容易受到攻击,并可能对社会产生切实的负面影响。然而,这些关键的网络系统通常由多个司法管辖区管理,例如华盛顿特区地区的地铁由弗吉尼亚州和马里兰州管理,以及哥伦比亚特区(DC)通过华盛顿都市区交通管理局(WMATA)管理。此外,由DC Water管理的水处理基础设施包括来自Fairfax和Arlington县以及该地区(即DC)的废水输入。此外,网络攻击通常从未知的来源发起,通过未知的交换机和服务器,并最终到达目的地,而不知道其来源或路径。某些基础设施在多个国家之间共享,这是加剧治理问题的另一个特质。然而,这份法律文件并不关注这些基础设施的一般治理,而是关注相关法律或理论中关于在网络威胁或网络攻击的背景下哪个当局将占上风的模糊性,重点是联邦与州问题,国际法参与,联邦先发制人,可能影响立法的技术方面,以及网络犯罪案件中的责任冲突。对以前的案件进行了法律分析,并对争论的不同方面进行了广泛的讨论。
2022-07-20 cs.CR cs.SI
Toward Autonomous and Efficient Cybersecurity: A Multi-Objective AutoML-based Intrusion Detection System
Faculty of Business and Information Technology, Ontario Tech University(业务与信息科技学院,安大略技术大学);Department of Electrical and Computer Engineering, Western University(电气与计算机工程系,西部大学)
针对网络安全威胁复杂及IoT设备资源受限问题,提出集成OIP-AutoFS和OPCE-CASH技术的MOO-AutoML IDS,在两基准数据集上优于现有IDS,为自主高效网络安全提供新基准。
2025-11-11 cs.CR cs.LG cs.NI
Secure Calibration for Safety-Critical IoT: Traceability for Safety Resilience
安全的传感器校准是工业物联网中支撑操作安全的基础步骤。虽然人们对物联网安全性给予了很大的关注,例如使用TLS来保护传感数据,但很少考虑保护校准基础设施本身。目前,可追溯性是通过使用纸质表格的手动验证来实现的,这既耗时又不安全。例如,当由于检测到错误或意外而撤销父设备的校准状态时,直到下一个校准周期才更新校准设备,使得许多校准参数无效。除了错误之外,校准基础设施内的任何一方都可以恶意地引入错误,因为当前基于纸张的系统缺乏认证以及不可否认性。在本文中,我们提出了一种新的弹性架构的校准基础设施,传感器元件的校准状态可以验证的飞行的信任根保留的认证和不可否认的属性。我们提出了一个基于以太坊网络上的智能合约的实现。我们的评估表明,以太坊很可能解决可追溯测量的保护要求。
2020-02-29 cs.CR
FSCsec: Collaboration in Financial Sector Cybersecurity -- Exploring the Impact of Resource Sharing on IT Security
本文研究金融行业网络安全协作中资源共享对 IT 安全的影响,结合保护动机理论和制度理论分析监管压力、机构协作与保护动机等因素,为金融机构优化安全决策提供见解。
2024-10-19 cs.CR