Advanced Cloud Privacy Threat Modeling
在云计算中,敏感数据的隐私保护已经成为一个具有挑战性的问题。威胁建模作为安全软件开发中需求工程的一部分,提供了一种结构化的方法来识别攻击,并提出针对系统中漏洞利用的对策。本文介绍了一种扩展的云隐私威胁建模(CPTM)的隐私威胁建模方法,在云计算环境中处理敏感数据。它描述了建模方法,包括应用方法工程来指定云隐私威胁建模方法的特征,所提出的方法和相应产品的不同步骤。我们相信,扩展的方法有利于从需求工程到设计的隐私保护云软件开发方法的应用。
2016-01-07 cs.CR cs.DC cs.SE
Combining Usability and Privacy Protection in Free-Access Public Cloud Storage Servers: Review of the Main Threats and Challenges
21世纪属于计算的世界,特别是由于所谓的云计算。这项技术可以实现无处不在的信息管理,因此人们可以在任何地方和任何时间访问他们的所有数据。在这种情况下,云存储的出现在过去五年中发挥了重要作用。如今,一些免费访问的公共云存储服务使用户可以免费备份其资产并管理和共享它们,这对中小企业(SME)来说是一个低成本的机会。然而,云存储的采用涉及数据外包,因此用户无法保证其数据的处理和保护方式。因此,似乎有必要赋予公共云存储一套手段,以保护用户的机密性和隐私,评估数据完整性,并保证信息资产的适当备份。在本文中,我们讨论了实现这一目标的主要挑战,并强调了最受欢迎的公共云存储服务中已经实现的一组功能。
2016-10-27 cs.CR
Autonomous Threat Detection and Response in Cloud Security: A Comprehensive Survey of AI-Driven Strategies
本文综述了基于AI驱动策略的云安全威胁检测与响应方法,探讨了AI在提升安全性和自动化防护中的作用。
2026-01-06 cs.CR
ACSE-Eval: Can LLMs threat model real-world cloud infrastructure?
本文提出ACSE-Eval数据集,含100个生产级AWS场景,用于评估大语言模型的云威胁建模能力,发现GPT 4.1和Gemini 2.5 Pro表现最佳,并开源数据集与评估方法。
2025-05-24 cs.AI cs.CR
Defense Against Advanced Persistent Threats in Dynamic Cloud Storage: A Colonel Blotto Game Approach
高级持续性威胁(APT)攻击者采用多种复杂的方法,从目标云存储系统中持续、秘密地窃取信息,甚至可以诱导存储系统应用特定的防御策略并对其进行相应的攻击。在本文中,APT攻击者和防御者之间的相互作用分配他们的中央处理器(CPU)在多个存储设备在云存储系统中被制定为一个上校Blotto游戏。针对APT攻击者和防御者之间的对称和非对称CPU,推导了CPU分配博弈的纳什均衡,以评估有限的CPU资源、数据存储大小和存储设备数量如何影响云存储系统的预期数据保护水平和效用。提出了一种基于“热启动”策略爬山(PHC)的CPU分配方案,利用相似场景中的经验初始化质量值,以加快学习速度,使防御者在不知道APT攻击模型和数据存储模型的情况下,在动态博弈中获得最优的APT防御性能.基于热引导深度Q网络(DQN)的CPU分配方案进一步提高了具有大量CPU和存储设备的情况下的APT检测性能。仿真结果表明,基于强化学习的CPU分配算法与基于Q学习的CPU分配算法相比,能够提高云存储系统的数据保护水平和实用性。
2018-01-19 cs.CR
CLOUDBURST: Cloud-Layer Observations Using Beacons for Unified Real-time Surveillance and Threat Attribution
AI-WEINBERG, AI Experts(AI-WEIN伯格,AI专家)
本文提出CLOUDBURST框架,首次系统性地评估云原生被动信标,通过四个主要云服务商的六个向量类别,引入Cloud Attribution Score指标,评估云环境中的威胁归因能力。
2026-05-13 cs.CR
An efficient and secure scheme of verifiable computation for Intel SGX
云计算为资源受限的用户提供了大容量的数据存储和高能耗的复杂计算。然而,由于缺乏对云的完全信任,云用户更喜欢保护隐私的外包数据计算与正确性验证。然而,基于密码学的方案为云及其用户引入了高计算成本以用于具有隐私保护的可验证计算,这使得在实践中难以支持复杂的计算。英特尔Software Guard Extensions(SGX)作为一种可信的执行环境,在各个领域(如安全数据分析和计算)得到了广泛的研究,被认为是在云上实现高效外包数据计算和隐私保护的一种有前途的方法。但是我们发现SGX的计算面临两种类型的威胁:打乱数据相关代码的威胁和输出篡改和错误路由的威胁。在本文中,我们使用形式化的方法描述了这些威胁,并成功地在Rust SGX SDK构建的enclave程序上进行了这两种威胁,以证明它们对SGX enclave上计算正确性的影响。为了提供应对措施,我们提出了一个高效、安全的方案来抵御威胁,并为Intel SGX实现可验证计算。通过理论分析和大量的实验证明了该方案的安全性和有效性。此外,我们比较了我们的方案的性能与一些基于密码的方案,以显示其高效率。
2021-06-27 cs.CR
Emergent (In)Security of Multi-Cloud Environments
本文使用多种行业标准风险分析工具评估多云威胁向量并对缓解措施排序,发现身份认证与架构风险最高,可帮助管理者优化安全预算。
2023-11-02 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
Applying mathematical models in cloud computing: A survey
随着越来越多的个人和公司信息被放置在云中,人们开始担心云环境的安全性。最好是在安全威胁进入系统之前就预防它们,如果不知道它们来自哪里,就无法预防。资源分配和收入最大化的问题也同样重要,尤其是在云安全方面。这就需要不同的建模技术,包括但不限于安全威胁,资源分配和收入最大化模型。本调查报告将尝试分析云计算中的安全威胁和风险缓解。它介绍了病毒攻击如何入侵云上的虚拟机,通过提供虚拟机中的病毒威胁建模和风险缓解,讨论了顶级安全威胁和对策。资源分配模型和收益最大化技术也进行了讨论。
2014-03-14 cs.CR cs.DC
Security Vulnerabilities in Quantum Cloud Systems: A Survey on Emerging Threats
本综述全面分析了量子云系统中的多租户漏洞与经典-量子接口安全挑战,探讨了串扰攻击等威胁对量子电路的影响,并提出了新兴安全解决方案及未来研究方向。
2025-04-27 cs.CR cs.DC
Graph Neural Network Based Adaptive Threat Detection for Cloud Identity and Access Management Logs
Independent Researcher(独立研究者)
本文提出基于图神经网络的自适应威胁检测框架,用于实时分析云身份和访问管理日志中的异常行为,提升检测精度和可扩展性。
2025-12-11 cs.AI cs.CR
TRACE: A Threat Modelling Methodology for Distributed, Cloud-First, and Decentralized Organisations
Oak Security
提出TRACE方法,通过三层模型(协议、系统、组织)和证据链,解决现有威胁建模在云优先、去中心化场景下对授权恶意行为、共谋等风险的遗漏问题。
2026-06-23 cs.CR
Paladin: A Policy Framework for Securing Cloud APIs by Combining Application Context with Generative AI
IBM Research(IBM研究)
Paladin通过结合应用上下文和生成式AI,为云API安全提供了一种策略框架,能够有效防止资源消耗、敏感业务流程访问和认证断裂等威胁。
2026-03-10 cs.CR
Security and Privacy Issues in Cloud Storage
本文综述了云存储面临的主要安全与隐私威胁,包括内部恶意攻击、数据丢失、流量劫持和不安全接口等,并分析了相关参与方及威胁后果,旨在揭示消费者和企业常忽视的安全空白。
2024-01-14 cs.CR cs.NI
An AI-Driven VM Threat Prediction Model for Multi-Risks Analysis-Based Cloud Cybersecurity
针对云虚拟化中VM面临的多类安全风险,本文提出MR-TPM,通过量化配置、管理及用户行为风险并利用机器学习分类器预测威胁,实验表明其可将安全威胁降低88.9%。
2023-08-18 cs.CR cs.DC
An SLR on Edge Computing Security and possible threat protection
移动和物联网设备由于其指数增长和可访问性而产生大量的多模态数据。因此,这些数据源必须在网络边缘直接进行实时的分析,而不是依赖于云。网络边缘的强大处理能力使得在数据发送到云端之前收集数据并做出决策成为可能。此外,由于移动设备、物联网(IoT)设备和各种网络点的快速扩展,安全问题已经显著突出。现在,保证敏感数据(包括客户信息)的隐私比以往任何时候都要困难得多。这篇系统的文献综述描述了这样一个事实,即新技术是对抗边缘计算安全攻击和威胁的强大武器。
2022-12-08 cs.CR
AI-Driven Security in Cloud Computing: Enhancing Threat Detection, Automated Response, and Cyber Resilience
Colorado Technical University - Colorado Springs Campus(科罗拉多理工大学科罗拉多斯普林斯校区)
本文研究如何利用人工智能增强云安全,通过预测分析、行为威胁检测和AI驱动加密提升威胁检测与自动响应能力,并指出未来需结合区块链等技术进一步提升可靠性、模块化与伦理合规性。
2025-05-06 cs.AI cs.CR
Secure Resource Management in Cloud Computing: Challenges, Strategies and Meta-Analysis
本文系统综述了云计算安全资源管理中的网络威胁对抗策略,将其分为防御、缓解和混合三类,并通过真实虚拟机数据轨迹进行性能评估,揭示各类策略的权衡,为未来安全云资源管理方法提供指导。
2025-02-05 cs.CR
Flip the Cloud: Cyber-Physical Signaling Games in the Presence of Advanced Persistent Threats
访问云有可能通过使用在显然无限的网络基础设施上运行的高级计算过程来提供物理设备的可扩展和具有成本效益的增强。另一方面,网络物理系统和云控制设备面临着许多设计挑战,其中之一就是安全性。特别是,对手技术的最新进展带来了高级持续性威胁(APT),这些威胁可能会悄悄地完全危及网络系统。在本文中,我们设计了一个基于云的系统的安全框架,指定设备何时应该信任来自云的命令,这可能会受到损害。这种交互可以被认为是三个玩家之间的游戏:云防御者/管理员,攻击者和设备。我们使用传统的信号游戏来模拟云和设备之间的交互,我们使用最近提出的FlipIt游戏来模拟防御者和攻击者之间的斗争,以控制云。因为对云的攻击可能在防御者不知情的情况下发生,我们假设两个博弈中的策略都是根据事先的承诺来选择的。这个框架需要一个新的平衡概念,我们称之为完形平衡,一个表达信号和FlipIt游戏相互依赖的固定点。我们提出的解决方案,在某些参数的情况下,这个不动点问题,并说明了一个例子应用云控制的无人驾驶汽车。我们的研究结果有助于人们对云控制系统的理解。
2015-09-14 cs.CR cs.GT
A New Framework for Ranking Vulnerabilities in the Clouds
对云服务中的漏洞威胁程度进行定性和排序是一个充满挑战的问题。虽然已经有一些旨在解决这个问题的努力,但大多数都过于简单或无法应用到云基础设施中。本文旨在提出一种新的框架来定性和排名的基础上,他们的威胁程度的云服务中的漏洞。通过输入或构建服务依赖图,该框架能够生成云服务中每个服务的重要度和所有漏洞的排序列表。此外,我们的框架不仅可以被采用到各种云基础设施,而且还可以根据具体的要求不同类别的算法。为了评估我们的框架,我们将AssetRank算法引入到框架中,并给出了我们工作的整体设计。综合实验证明,我们的框架的有效性,在云服务的定性和排名漏洞。
2016-12-06 cs.CR
From Balance to Breach: Cyber Threats to Battery Energy Storage Systems
针对云控电池储能系统的网络安全风险,本文提出电网云控负载平衡参考模型,并通过模拟多类攻击揭示其攻击面及对电网安全稳定的严重威胁。
2025-01-10 cs.CR
Secure IP Address Allocation at Cloud Scale
针对公有云动态 IP 分配被滥用的风险,本文建模租户部署行为并提出 IP scan segmentation 策略,在合成与真实轨迹上验证其可抵御扫描、保护地址声誉与租户数据。
2024-09-10 cs.CR
Systemic Risk and Vulnerability Analysis of Multi-cloud Environments
本文针对多云环境安全能力不均衡带来的系统性风险,结合 STRIDE 和 DREAD 模型从六个攻击向量进行定量威胁分析与排序,并提出整体性防御与缓解策略。
2023-07-07 cs.CR
Rethinking Denial-of-Service: A Conditional Taxonomy Unifying Availability and Sustainability Threats
本文提出一个基于六种可观察条件的统一分类框架,用于对传统和云时代的拒绝服务攻击进行分类,并支持威胁建模与缓解策略设计。
2025-08-24 cs.CR
An End-to-End Threat Model for the Quantum-as-a-Service Pipeline
Faculty of Information Technology University of Jyväskylä(于韦斯屈莱大学信息技术学院)
本文针对QaaS流水线缺乏结构化威胁建模的问题,结合STRIDE将其工作流分解为六阶段模型,分析各层级攻击向量,研究未被充分探索的环节并区分出三条高影响跨阶段攻击链。
2026-08-07 cs.CR
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
HSM and TPM Failures in Cloud: A Real-World Taxonomy and Emerging Defenses
本文通过真实世界案例提出云中HSM和TPM攻击分类法,评估机密计算、后量子密码和去中心化密钥管理等新兴防御,强调分层上下文感知的防护策略。
2025-08-07 cs.CR cs.NI cs.SE
LLMCloudHunter: Harnessing LLMs for Automated Extraction of Detection Rules from Cloud-Based CTI
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
针对现有开源云威胁情报分析自动化方法的不足,研究提出LLMCloudHunter框架,利用大语言模型从多模态OSCTI数据生成检测规则,在API调用、IoC提取及规则编译上表现优异。
2024-07-06 cs.CL cs.CR cs.LG
Detection of Compromised Functions in a Serverless Cloud Environment
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文提出一种基于云原生监控工具的可扩展无服务器安全威胁检测模型,通过识别利用后异常行为检测受损函数,并在AWS测试平台上验证其能检测全部攻击且误报率极低。
2024-08-05 cs.CR cs.LG
Markov Game Modeling of Moving Target Defense for Strategic Detection of Threats in Cloud Networks
Arizona State University(亚利桑那州立大学)
大规模云网络中关键数据的处理和存储需要可扩展的安全解决方案。事实证明,部署所有可能的安全措施都会消耗宝贵的计算和网络资源,而这些资源是云服务提供商的主要卖点。因此,最近有兴趣发展移动目标防御(MTD)机制,帮助一个优化的联合目标,最大限度地提高安全性,同时确保对性能的影响最小化。通常,这些技术将隐形对手的多阶段攻击问题建模为单步攻击检测游戏,使用图连接性度量作为衡量性能的启发式方法,从而(1)丢失了为大型云网络设计的图论模型中固有的有价值信息,以及(2)提出了某些对性能具有不对称影响的策略。在这项工作中,我们利用云网络的攻击图中的知识来制定零和马尔可夫博弈,并使用通用漏洞评分系统(CVSS)来为这个游戏提供有意义的实用价值。然后,我们表明,放置检测机制对对手的最佳策略相当于计算混合最小最大均衡的马尔可夫博弈。我们将使用我们的方法获得的收益与目前用于云网络安全的其他技术进行比较,从而显示其有效性。最后,我们强调了如何将该方法用于一个小型的真实云系统。
2019-02-28 cs.AI cs.CR cs.GT
Cloud-based DDoS Attacks and Defenses
安全性和可靠性在云计算环境中非常重要。如今,分布式拒绝服务(DDoS)攻击已成为互联网用户和云计算服务面临的最大威胁之一。DDoS攻击的目标是这些服务的资源,降低了它们提供网络基础设施最佳使用的能力。由于云计算的性质,与传统网络中使用的方法相比,用于预防或阻止DDoS攻击的方法有很大不同。本文研究了DDoS攻击对云资源的影响,并针对云环境中不同类型的DDoS攻击提出了实用的防御机制。
2015-11-27 cs.CR
An Overview of the Security Concerns in Enterprise Cloud Computing
在企业基础设施中部署云计算会带来严重的安全问题。在企业中成功实施云计算需要对新出现的风险、威胁、漏洞和可能的对策进行适当的规划和了解。我们认为,企业在采用该技术之前,应该分析公司/组织的安全风险,威胁和可用的对策。在本文中,我们讨论了云计算中的安全风险和关注点,以及企业可以采取的降低安全风险和保护资源的启发性步骤。我们还解释了云计算在信息风险管理方面的优势/优势、劣势和适用领域。
2011-01-28 cs.CR cs.CY cs.NI
Cyber Attack Mitigation Framework for Denial of Service (DoS) Attacks in Fog Computing
International Islamic University(伊斯兰国际大学);Seoul National University(首尔大学)
本文提出一种针对雾计算中DDoS攻击的自动化网络威胁缓解框架,采用设备、雾和云多层安全方法,结合防火墙规则、统计和行为分析及深度包检查技术,实现从检测到缓解的全面网络保护。
2025-09-15 cs.CR
Mobile Edge Computing, Fog et al.: A Survey and Analysis of Security Threats and Challenges
由于各种原因,云计算范例无法满足对于若干应用(例如,车载网络、增强现实)至关重要的某些要求(例如,低延迟和抖动、上下文感知、移动性支持)。为了满足这些要求,近年来出现了各种范例,例如雾计算、移动边缘计算和移动云计算。虽然这些边缘范式有几个共同的特点,但大多数现有的研究都是分割的;没有探索过协同作用。在安全领域尤其如此,大多数分析只关注一种边缘范式,而忽略了其他范式。本研究的主要目标是全面分析所有边缘范例中固有的安全威胁、挑战和机制,同时突出潜在的协同作用和协作场所。在我们的研究结果中,我们将表明,所有边缘范式都应该考虑其他范式的进步。
2016-11-14 cs.CR cs.NI
AgenticCyber: A GenAI-Powered Multi-Agent System for Multimodal Threat Detection and Adaptive Response in Cybersecurity
TNTech
AgenticCyber通过生成式AI驱动的多智能体系统,实现多模态威胁检测与自适应响应,提升网络安全性能和态势感知能力。
2025-12-06 cs.AI cs.CR
A Security and Performance Driven Architecture for Cloud Data Centers
随着网络安全威胁的不断增长,确保云数据中心的数据安全是一项具有挑战性的任务。对云数据中心的一种突出的攻击类型是数据篡改攻击,它可能危及数据的机密性和完整性。在这篇文章中,我们提出了一个安全和性能驱动的架构,这些中心,结合了多租户分布式事务数据库的入侵管理系统。该架构使用了一种新的数据分区和布局方案的基础上损坏遏制和分布式事务的通信成本。此外,我们提出了一个基准框架,用于评估所提出的架构的性能。结果说明了云数据中心的安全性和性能目标之间的权衡。
2020-03-27 cs.CR
A Security Framework for Cloud Data Storage(CDS) Based on Agent
云已经成为一种新的信息技术(IT)模型,用于按需向客户提供计算和存储等资源,它提供了高灵活性和资源使用。然而,我们正在以高安全威胁为代价获得这些优势,这是向云计算迁移的主要障碍。云数据存储(CDS)是云服务之一,它允许用户将他们的数据存储在云中,这项服务对公司和个人非常有用,但数据安全仍然是一个问题,让客户担心他们驻留在云中的数据。本文提出了一个基于代理的CDS安全保障框架,它包含三个层次:云提供商层、客户层和可信第三方(TTP)层。
2019-01-09 cs.CR
AI-Enabled System for Efficient and Effective Cyber Incident Detection and Response in Cloud Environments
PRIAM CYBER AI Limited(PRIAM CYBER AI 有限公司);Cyber Security Research Centre. London Metropolitan University(伦敦城市大学网络安全研究中心)
本文提出基于AI的云环境网络安全事件检测与响应系统,利用随机森林和深度学习模型提升威胁检测准确率,通过云平台和容器技术实现高效、可扩展的响应方案。
2025-01-12 cs.CR cs.ET cs.NI
IDPS: An Integrated Intrusion Handling Model for Cloud
如今,许多组织正在将其计算服务迁移到云。这使得他们的计算机处理更方便用户。但是,它也带来了新的安全威胁和安全性和可靠性方面的挑战。事实上,云计算对买家来说是一种有吸引力且节省成本的服务,因为它为用户提供了可访问性和可靠性选项,并为供应商提供了可扩展的销售。尽管具有吸引力,但云功能在云环境中部署入侵检测系统(IDS)时会带来各种新的安全威胁和挑战。大多数入侵检测系统(IDS)都是为了处理特定类型的攻击而设计的。很明显,没有一种技术可以保证防止未来的攻击。因此,需要一种集成方案,该方案可以针对完整的威胁谱提供强大的保护。另一方面,非常需要能够使网络及其主机以某种程度的智能进行自我保护的技术,以便准确识别和阻止恶意流量和活动。在这种情况下,它被称为入侵防御系统(IPS)。因此,在本文中,我们强调在云计算环境中的安全和隐私方面的IDS的最新实现。我们提出了一个有效的和高效的模型称为集成入侵检测和防御系统(IDPS),它结合了入侵检测和入侵防御系统在一个单一的机制。我们的机制还集成了两种技术,即异常检测(AD)和签名检测(SD),可以协同工作,以检测各种数量的攻击,并通过IPS的能力阻止他们。
2012-03-15 cs.CR cs.NI
Machine Learning-Based Cyber Defense for Cloud Infrastructure: An Adaptive Deep Q-Network Architecture for Intelligent Intrusion Detection and Automated Threat Mitigation
Wilmington University(威尔明顿大学);Washington University of Science and Technology(华盛顿科技大学);South Dakota School of Mines & Technology(南达科他矿业理工学院);South Dakota State University(南达科他州立大学);St. Francis College(圣弗朗西斯学院);Stanton University(斯坦顿大学)
该研究针对云环境复杂网络攻击问题,提出自适应DQN网络防御框架,经CICIDS2017等数据集验证,其入侵检测与威胁缓解性能优于多种传统机器学习模型,展现出强化学习在云自主网络安全中的应用潜力。
2026-08-13 cs.AI cs.CR
Enhanced CBF Packet Filtering Method to Detect DDoS Attack in Cloud Computing Environment
互联网、企业内部网、电子商务及其用户的迅猛发展,已经进入了一个全球性竞争和争夺的创新时代。多节点拒绝服务攻击是通过干扰竞争服务器的服务来实现的。攻击可能有多种原因。这是云环境的一大威胁。传统的防御方法由于其有效性低、存储量大等特点,难以应用于云安全领域。各种攻击的效果可以降低云的影响。因此,鉴于这一挑战性任务,本文旨在加强云安全的建议方法。针对云计算环境下基于关联模式的基于置信度的过滤方法(CBF),提出了一种改进方法,以降低云计算环境下的DDoS攻击。该修改引入了标称的额外带宽,并试图提高受害者发起的服务器的处理速度。
2013-04-26 cs.CR
Denial of Wallet -- Defining a Looming Threat to Serverless Computing
无服务器计算是云计算的最新范例,它为在高度可扩展的环境中开发事件驱动的、按需付费的功能提供了一个框架。虽然这些特征提供了一种强大的新发展模式,但它们也引发了一种新形式的网络攻击,称为拒绝钱包(强迫财务枯竭)。在这项工作中,我们定义和识别拒绝钱包的威胁及其潜在的攻击模式。此外,我们展示了这种新形式的攻击如何可能规避现有的缓解系统开发的类似风格的攻击,拒绝服务。我们的目标是双重的。首先,我们将对这种新兴的攻击模式进行简要而翔实的概述。其次,我们提出本文作为一个起点,使研究人员和服务提供商创建有效的缓解策略。我们包括一些模拟实验,以突出这种攻击可能造成的潜在经济损失,并创建一个隔离的测试床,继续对这些攻击的安全研究。
2021-04-21 cs.CR
Formal Analysis of an Authentication Protocol Against External Cloud-Based Denial-of-Service (DoS) Attack
拒绝服务(DoS)攻击被认为是云计算服务可用性的最大威胁之一。由于云计算系统独特的架构,其检测和防范拒绝服务攻击的方法与传统网络系统有很大的不同。DoS攻击者的主要目标是身份验证协议,因为它被认为是访问云资源的网关。在这项工作中,我们提出了一个基于云的身份验证协议-一个安全地验证云用户,并有效地防止拒绝服务攻击的云计算系统-通过涉及用户在一个高的计算过程。然后,我们分析了协议通过Syverson和Van Oorschot(SVO)逻辑验证协议的认证过程中的云计算系统。
2017-11-22 cs.CR
CloudSafe: A Tool for an Automated Security Analysis for Cloud Computing
云计算已被广泛采用,它提供按需计算资源,以提高性能并降低运营成本。然而,这些新功能也带来了利用云计算环境的新方法。为了评估云的安全性,可以使用图形安全模型,例如攻击图和攻击树。然而,现有的模型并没有考虑所有类型的威胁,而且自动化的安全评估功能是困难的。在本文中,我们提出了一个新的安全评估工具,云命名为CloudSafe,一个自动化的云安全评估。CloudSafe工具整理了各种工具和框架,以自动化安全评估过程。为了证明CloudSafe的适用性,我们在Amazon AWS上进行了安全评估,实验结果表明,我们可以有效地收集云的安全信息,并进行安全评估以生成安全报告。用户和云服务提供商可以使用CloudSafe生成的安全报告来了解正在使用/提供的云的安全状况。
2019-03-11 cs.CR
Thermal Management in Large Data Centers: Security Threats and Mitigation
数据中心的规模正在显著增长,特别是随着对云和物联网服务的需求不断增长。然而,这种快速增长也带来了许多安全问题和漏洞;新型的战略网络攻击针对的是数据中心的特定物理组件,这些组件使数据中心得以运行。对数据中心温度监控和冷却系统的攻击,也称为热攻击,可能导致完全崩溃,通常被认为难以解决。在本文中,我们通过分析这些系统的潜在安全威胁及其对整体数据中心安全和性能的影响来关注这个问题。我们还介绍了目前的热异常检测方法及其局限性。最后,我们提出了一种混合方法,使用多变量异常检测来防止热攻击,以及基于模糊的健康因子来增强数据中心的热感知和安全性
2021-08-30 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
Detecting Backdoor Attacks Against Point Cloud Classifiers
Pennsylvania State University(宾夕法尼亚州立大学);Shanghai Jiao Tong University(上海交通大学)
后门攻击(BA)是对深度神经网络分类器的新兴威胁。被攻击的分类器将预测攻击者的目标类时,测试样本从源类嵌入后门模式(BP)。最近,第一个针对点云(PC)分类器的BA被提出,对包括自动驾驶在内的许多重要应用造成了新的威胁。这种PC BA由于其特殊的BP嵌入机制而无法被现有的BA防御检测到。在本文中,我们提出了一个反向工程防御,推断PC分类器是否受到后门攻击,而无需访问其训练集或任何干净的分类器作为参考。我们的防御的有效性证明在基准ModeNet40数据集的PC。
2021-10-20 cs.CR cs.CV cs.LG
Microarchitectural Security of AWS Firecracker VMM for Serverless Cloud Platforms
本文调查了 AWS Firecracker VMM 抵御微架构攻击的安全性,发现其无法有效抵御 Spectre 和 MDS 等攻击,表明 AWS 夸大了其安全性且部署指导不完整。
2023-11-27 cs.CR
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
Prichain II: CloudGuardian Cloud Security Proposal with Blockchain
针对云安全威胁激增问题,提出将以太坊区块链与PostgreSQL云数据库集成,实现双向数据同步与严格访问控制,测试表明该方案有效提升了云环境的数据安全性与防攻击能力。
2024-07-29 cs.CR cs.DC
Colaboot: A Cloud-based Diskless PC Booting Mechanism
针对企业端点安全威胁和资源损失问题,本文提出Colaboot标准,使公司所有机器从单一操作系统启动,实现一致环境并便于统一更新安全补丁。
2024-08-30 cs.CR cs.ET
Threat Modeling for Enhancing Security of IoT Audio Classification Devices under a Secure Protocols Framework
Instituto Tecnologico de Informatica(信息技术研究所)
针对资源受限的物联网音频分类设备的敏感数据泄露风险,本文提出融合TPM远程证明、后量子加密等机制的纵深防御安全协议框架,通过STRIDE威胁建模指导设计并给出评估方案。
2025-11-14 cs.AI cs.CR
Adaptive Security Policy Management in Cloud Environments Using Reinforcement Learning
Texas Tech University(德克萨斯理工大学);Stony Brook University(石溪大学);Rochester Institute of Technology(罗切斯特理工学院)
本文提出基于深度强化学习的云安全策略管理框架,利用遥测数据动态调整防火墙与IAM策略,显著提升检测率并缩短响应时间。
2025-05-13 cs.CR cs.CV cs.DC