Strategic Roadmap for Quantum- Resistant Security: A Framework for Preparing Industries for the Quantum Threat
本文提出了名为STL-QCRYPTO的抗量子安全战略框架,评估了14个高风险行业的量子威胁脆弱性,并提供结构化时间表与建议,以帮助行业应对量子计算时代的网络安全风险。
2024-11-15 cs.CR quant-ph
GDM AI Control Roadmap
Google DeepMind(谷歌DeepMind)
研究如何保障人工智能代理融入系统时的安全,提出GDM人工智能控制路线图,通过保守威胁建模、基于能力的缓解措施及一系列实际防御构建多层防御体系,平衡安全与开发者速度,为内部安全提供蓝图。
2026-07-16 cs.CR
RPKI: Not Perfect But Good Enough
本文首次全面评估RPKI作为生产级技术的成熟度,发现其实现仍存在软件漏洞、规范不一致等安全挑战,并提出了改进韧性及指导安全部署的建议。
2024-09-22 cs.CR
Privacy-Preserving Cloud Computing: Ecosystem, Life Cycle, Layered Architecture and Future Roadmap
隐私保护云计算是一种新兴的技术,在各个领域有着广泛的应用。云计算很重要,因为它允许可伸缩性、适应性和改进的安全性。同样,云计算中的隐私也很重要,因为它确保了存储在云上的数据的完整性保持不变。这篇关于隐私保护云计算的调查论文可以为相关领域的未来研究铺平道路。本文通过建立一个分层的架构以及一个生存周期和一个隐私保护云系统的生态系统,以及确定该领域研究的现有趋势,帮助确定现有的趋势。
2022-04-23 cs.CR cs.CY
Security Analytics of Network Flow Data of IoT and Mobile Devices (Work-in-progress)
考虑到安全威胁和隐私泄露在今天是常见的,对于人们来说,知道他们的设备是否处于“良好的安全状态”或者是否存在需要解决的一组高风险漏洞是一个重要的问题。在本文中,我们解决了这个简单但具有挑战性的问题。我们依靠离线和实时收集的网络日志和事件,而不是获得对设备的白盒访问,这会带来隐私和其他系统问题。我们的方法是将分析和机器学习应用于网络安全分析,以及对整个设备(应用程序、操作系统和设备上的数据)安全性的分析。我们提出了基于分析的技术,以确定设备的敏感性,应用程序和设备的漏洞等级,应用程序和设备的危害程度,以及如何根据这些指标定义设备的安全状态。这样的度量可以进一步用于机器学习模型中,以便预测高风险状态的设备的用户以及如何避免这样的风险。
2017-04-10 cs.CR
Explainable Security
King’s College London(伦敦国王学院)
美国国防部高级研究计划局(DARPA)最近启动了可解释人工智能(XAI)计划,旨在创建一套新的人工智能技术,使最终用户能够理解,适当信任和有效管理新兴的人工智能系统。在本文中,受DARPA的XAI计划的启发,我们提出了一种新的安全研究范式:可解释安全(XSec)。我们讨论XSec的“六个W”(谁?- 你说什么?在哪里?在哪里?- 什么时候?为什么?为什么?(How?)并认为XSec具有独特而复杂的特征:XSec涉及几个不同的利益相关者(即,系统的开发人员、分析人员、用户和攻击者),并且本质上是多方面的(因为它需要对系统模型、威胁模型和安全、隐私和信任的属性以及具体攻击、漏洞和对策进行推理)。我们为XSec定义了一个路线图,确定了几个可能的研究方向。
2018-07-11 cs.AI cs.CR
Future-Proofing Cloud Security Against Quantum Attacks: Risk, Transition, and Mitigation Strategies
University of Montreal(蒙特利尔大学);York University(约克大学)
本文分析云安全面临的量子威胁,提出跨九层架构的防护策略,涵盖风险评估、过渡策略及具体缓解措施,为云架构师和政策制定者提供指导。
2026-04-12 cs.CR
The Post-Quantum Cryptography Transition: Making Progress, But Still a Long Road Ahead
本文指出量子计算威胁现有密码安全,虽然后量子密码标准制定已有进展,但美国非国家安全系统迁移需71亿美元且面临2035年期限,成功升级仍需持续资金、研究与国际协调。
2025-03-03 cs.CR
Large Language Models and Attention-Based AI for Hardware Design and Security: Progress, Challenges, and Opportunities
The University of Arizona(亚利桑那大学)
研究基于注意力的人工智能模型与大语言模型在硬件设计与安全领域的应用,利用大语言模型和HDL数据集创建自动化系统,探讨其在逻辑设计和硬件安全方面的集成,通过研究多种方法和案例凸显变革潜力并应对挑战。
2026-07-29 cs.CR
Work in progress: Identifying Two-Factor Authentication Support in Banking Sites
双因素身份验证(2FA)提供了一些安全性优势,这些优势是有安全意识的用户可能期望从在线银行等高价值服务中获得的。在这项工作中,我们提出了我们的初步研究,开发一个评分方案,自动识别时,银行网站提到支持双因素身份验证。我们提取了来自93个国家的379个银行域名提供的安全功能(主要是2FA)相关信息。我们使用这些网站的一个子集来完善我们的评分方案,包括几个识别网站是否提供2FA的方法。对于我们数据集中的每个银行域,我们使用基于文本分析的算法来计算该域是否向该域的在线银行平台的用户提供2FA。我们的初步研究结果表明,2FA尚未被广泛采用的银行领域。
2022-02-14 cs.CR
Adversarial Attacks Against Deep Generative Models on Data: A Survey
深度生成模型由于其能够为医疗保健、金融技术和监控等各种应用生成数据而受到广泛关注-最受欢迎的模型是生成对抗网络和变分自动编码器。然而,与所有机器学习模型一样,人们一直担心安全漏洞和隐私泄露,深度生成模型也不例外。近年来,这些模型发展得如此之快,以至于其安全性方面的工作仍处于起步阶段。为了审计针对这些模型的当前和未来威胁,并在短期内为防御准备提供路线图,我们准备了关于GANs和VAE的安全性和隐私保护的全面而专业的调查。我们的重点是攻击和模型架构之间的内在联系,更具体地说,是深度生成模型的五个组成部分:训练数据、潜在代码、GANs/VAE的生成器/解码器、GANs/VAE的鉴别器/编码器以及生成的数据。对于每个模型,组件和攻击,我们回顾了当前的研究进展,并确定了关键的挑战。文章最后讨论了未来可能的攻击和该领域的研究方向。
2021-12-01 cs.CR
Toward a Research Software Security Maturity Model
NSF在其科学、工程和教育软件的愿景和战略中指出,它将投资于以下活动:“认识到软件战略必须包括安全可靠的服务部署和运营,例如由校园或国家设施或行业,其中身份、认证、授权和保证是至关重要的运营能力。“和“产生高质量、可用、安全、免维护、可持续、健壮、经过良好测试和可维护/可发展的软件;并促进可靠和有用的持续投资的可持续性。“这些声明证明,安全确实应该是软件生态系统的首要考虑因素。在这份立场文件中,我们分享了一些与研究软件安全相关的想法。我们的想法是基于这样一种观察,即安全性不是一个二元的、全有或全无的属性,而是一系列的实践和要求,这取决于软件的预期部署和使用方式。我们建议社区利用成熟度模型的概念,并努力就研究软件安全成熟度模型达成一致。该模型将对部署社区的不同安全需求集进行分类,并为软件开发人员提供一个推进其软件安全成熟度的路线图。本文的目的不是表达这样一个全面的成熟度模型,而是开始一个对话并设置一些初始需求。
2013-09-06 cs.CR cs.SE
The Faults in Our Pi Stars: Security Issues and Open Challenges in Deep Reinforcement Learning
Kansas State University(堪萨斯州立大学)
自深度强化学习(DRL)算法问世以来,研究和工业界对这种范式的潜力越来越感兴趣。深度RL的当前和预期应用范围从自主导航和机器人到关键基础设施、空中交通管制、国防技术和网络安全中的控制应用。虽然深度强化学习算法的机会和优势是巨大的,但这些算法中的安全风险和问题在很大程度上仍未被探索。为了促进和激励这些关键挑战的进一步研究,本文提出了一个基本的处理DRL的安全问题。我们制定了DRL的安全需求,并通过对漏洞、攻击向量和对抗能力的分类和识别提供了一个高级威胁模型。此外,我们从进攻和防御的角度对当前关于深度RL安全性的文献进行了回顾。最后,我们列举了缓解和预防针对深度RL的故意攻击的关键研究场所和开放问题,作为该领域进一步研究的路线图。
2018-10-23 cs.CR cs.LG stat.ML
Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers?
该研究针对自动驾驶安全研究的空白,建立务实威胁模型评估其固有风险,分析自动驾驶优势与安全挑战的平衡,为相关研究与实践提供指导,推动自动驾驶安全性与可行性的讨论。
2024-05-14 cs.CR
SoK: AI Secure Code Generation: Progress, Pitfalls, and Paths Forward
本文系统化分析AI安全代码生成的进展、陷阱与前进方向,提出三层次框架衡量模型对安全编码原则的理解、代码级执行及两者间的知识-执行差距,发现原则理解是代码安全性的强预测因子,但存在显著知识-执行差距。
2026-06-25 cs.AI cs.CR
Intelligent Network Layer for Cyber-Physical Systems Security
近年来,信息物理系统(CPS)取得了巨大的进步,也颠覆了许多技术领域,如智能工业,智能健康,智能交通等,以繁荣国家经济。然而,由于连接到互联网的设备数量众多,并且传统的安全解决方案可能不适合保护高级的特定于应用程序的攻击,CPS安全仍然是广泛采用的问题之一。本文提出了一种可编程设备网络层架构,以对抗攻击和高效的网络监控异构环境CPS应用。我们利用工业控制系统(ICS)来讨论存在的问题,强调先进的网络层的CPS的重要性。可编程数据平面语言(P4)被引入到检测众所周知的HELLO洪水攻击,以最小的努力,在网络级,也用于具有潜在的安全解决方案。
2021-02-01 cs.CR
Ontologies for Network Security and Future Challenges
近年来,人们一直在努力构建用于网络安全的本体。所提出的本体论与网络安全的特定方面有关。因此,有必要确定现有的本体所涵盖的网络安全的具体方面。审查和分析的主要问题,挑战,以及不同的本体相关的进展程度。每一个例子进行了分类,根据网络安全的本体的类型。一些方面包括识别威胁、入侵检测系统(IDS)、警报、攻击、对策、安全策略和网络管理工具。本研究提出了三个阶段的使用:1。输入; 2.处理;和3。产出分析的结果是引入了新的挑战和方面,可用作未来研究的基础。发现的一个主要问题是需要开发与网络安全的不同方面相关的新本体,从而促进管理任务。
2017-04-08 cs.CR
Smart Contract Security Beyond Detection
本文探讨智能合约安全研究的新方向,包括语义推理、自动修复、对抗鲁棒性和实时漏洞检测,提出四个研究方向并连接最新研究成果,帮助学生制定技术扎实、可测量的毕业设计。
2026-05-16 cs.CR
Side-Channel Attacks on RISC-V Processors: Current Progress, Challenges, and Opportunities
微处理器上的侧信道攻击,如RISC-V,表现出安全漏洞,导致几个设计挑战。因此,对这些安全漏洞进行全面的研究和分析势在必行。在本文中,我们提出了一个简短而全面的研究,在现代微处理器的安全漏洞方面的侧信道攻击和他们各自的缓解技术。本文重点分析了利用功耗的硬件侧信道攻击和利用缓存的软件侧信道攻击侧信道攻击。为此,我们深入分析了RISC-V微处理器缓存攻击的适用性和实际意义及其相关挑战。最后,基于比较研究和我们的分析,我们强调了一些关键的研究方向,以开发强大的RISC-V微处理器,是弹性的侧信道攻击。
2021-06-16 cs.AR cs.CR
Beyond the Headset: A Systematization of Knowledge on Extended Reality Privacy and Security in Healthcare
Kennesaw State University(肯尼索州立大学)
该研究系统化梳理了2017-2024年间65篇XR医疗保健安全与隐私文献,提出统一威胁分类和定量评分指标XR-PRISM,并指出对策评估缺失、攻击门槛低等空白,为未来研究提供路线图。
2026-10-01 cs.CR cs.HC
Integrating Communication, Sensing, and Security: Progress and Prospects of PLS in ISAC Systems
本文从物理层安全视角系统综述了ISAC系统中的安全设计,分析物理层技术对感知-安全权衡的影响及各类攻击,并介绍理论基础以指导新型安全ISAC网络设计。
2025-05-08 cs.CR cs.ET eess.SP
Bit-Flip Attack: Crushing Neural Network with Progressive Bit Search
University of Central Florida(中佛罗里达大学)
深度神经网络(DNN)的几个重要安全问题最近已经被提出,与不同的应用和组件相关联。DNN最广泛研究的安全问题来自其恶意输入,即对抗性示例。尽管如此,DNN参数的安全挑战尚未得到很好的探讨。在这项工作中,我们第一个提出了一种新的DNN权重攻击方法,称为位翻转攻击(BFA),它可以通过恶意翻转其权重存储内存系统(即,DRAM)。位翻转操作可以通过众所周知的Row-Hammer攻击来进行,而我们的主要贡献是开发一种算法来识别DNN权重参数中最脆弱的位(以二进制位形式存储在内存中),这可以最大限度地降低准确性以最少的次数位翻转。我们提出的BFA利用渐进位搜索(PBS)的方法,结合梯度排名和渐进搜索,以确定最脆弱的位被翻转。在PBS的帮助下,我们可以成功地攻击ResNet-18完全故障(即,仅通过93百万位中的13个位翻转,前1位精度从69.8%降低到0.1%),而随机翻转100个位仅使精度降低小于1%。
2019-04-07 cs.CR cs.CV
Generative AI for Vulnerability Detection in 6G Wireless Networks: Advances, Case Study, and Future Directions
本文探讨了生成式AI在6G无线网络漏洞检测中的应用,提出了包含技术层、能力层和应用层的三层框架,并通过LLM驱动代码漏洞检测的案例研究展示了其有效性,为构建弹性自适应安全方案提供了路线图。
2025-06-25 cs.CR cs.NI
Benchmarking and challenges in security and privacy for voice biometrics
VoicePrivacy organising committees
几十年来,语音技术的研究一直集中在提高可靠性上。随着这一点现在满足用户对各种应用的期望,语音技术今天无处不在。因此,对安全和隐私的关注现在已经成为当务之急。在这里,研究工作处于相对初期阶段,需要与安全,隐私,法律和道德专家等进行更多的多学科合作。这种合作目前正在进行中。为了帮助促进这些努力,本文提供了一些相关研究的高层次概述。它针对非语音受众,并描述了基准测试方法,该方法引领了传统研究的进展,现在推动了与语音生物识别相关的最新安全和隐私举措。我们描述:ASVspoof挑战与欺骗对策的发展有关;语音隐私倡议,促进隐私保护匿名化的研究。
2021-09-01 cs.CR cs.SD eess.AS
Experimental Evidence for Using a TTM Stages of Change Model in Boosting Progress Toward 2FA Adoption
来自健康心理学的行为改变想法也可以帮助提高最终用户对安全建议的遵从性,例如采用双因素身份验证(2FA)。我们的研究将跨理论模型的变化阶段从健康和健康研究调整到网络安全环境。我们首先创建并验证一个评估,以确定Amazon Mechanical Turk上尚未为其帐户启用2FA的员工处于第1阶段(无意采用2FA)或第2-3阶段(有采用2FA的意图)。我们随机分配参与者接受不同内容的信息干预(强调过程,规范或两者兼而有之)或不。三天后,我们再次对员工进行了Amazon 2FA采用阶段的调查。我们发现,干预组的人比对照组的人在行动/维持(阶段4-5)方面取得了更大的进展,而那些接受强调启用2FA过程的内容的人更有可能朝着2FA采用的方向发展。我们的工作有助于支持应用阶段的变化模型在可用的安全。
2022-05-14 cs.CR cs.HC
Security Smells in Android
智能手机的无处不在,以及它们非常广泛的功能和用途,使得这些设备的安全性非常重要。不幸的是,尽管在安全和隐私机制方面取得了所有进展,但漏洞仍在继续扩散。研究表明,许多漏洞是由于不安全的编程实践。然而,每项研究往往涉及一个具体的问题,使结果不太可操作的从业人员。为了促进安全编程实践,我们回顾了相关研究,并确定了Android设备中可避免的漏洞以及表明其存在的“安全代码气味”。特别是,我们解释了漏洞及其相应的气味,并讨论了如何在开发过程中消除或减轻它们。此外,我们开发了一个轻量级的静态分析工具,并讨论了在何种程度上,它成功地检测到约46,000个应用程序托管的官方Android市场的漏洞。
2020-06-01 cs.CR cs.SE
Networking technologies for robotic applications
Warsaw University of Technology(华沙理工大学);California State University, San Bernardino(加州州立大学圣贝纳迪诺分校)
网络安全的不断进步,以及机器人在日常生活中许多领域的应用范围不断扩大,使机器人技术在不久的将来成为现实。因此,新的先进服务,取决于机器人技术和网络安全之间的相互作用,正在机器人世界中发挥重要作用。本文讨论了物联网(IoT)辅助机器人领域的安全增强的技术影响,其中网络机器人预计将在复杂的环境中工作。NIST(美国国家标准与技术研究所)建议的安全增强创建一个安全模板,通过网络进行安全通信进行了讨论。
2015-05-28 cs.CR cs.CY cs.RO
Cybersecurity of Teleoperated Quadruped Robots: A Systematic Survey of Vulnerabilities, Threats, and Open Defense Gaps
Department of Informatics, Bioengineering, Robotics;Systems Engineering (DIBRIS) University of Genoa Genoa, Italy
本文系统性调查了远程操控四足机器人面临的网络安全威胁与防御缺口,提出了六层攻击分类法及技术成熟度分析,为安全防护提供指导。
2026-02-26 cs.CR cs.RO cs.SY