Deep Reinforcement Learning for Cybersecurity Threat Detection and Protection: A Review
Microsoft R&D（微软研发中心）；BITS Pilani（博拉理工学院皮拉尼校区）
网络安全威胁形势最近变得过于复杂。威胁行为者以非常协调的方式利用网络和端点安全中的弱点来实施复杂的攻击，这些攻击可能会使整个网络和网络中的许多关键主机瘫痪。越来越先进的深度和基于机器学习的解决方案已被用于威胁检测和保护。这些技术的应用在科学文献中得到了很好的综述。深度强化学习在为早期需要高级人类认知的领域开发基于人工智能的解决方案方面表现出了巨大的潜力。深度强化学习下的不同技术和算法在从游戏到工业过程的应用中显示出巨大的前景，据称可以增强具有通用AI功能的系统。这些算法最近也被用于网络安全，特别是在威胁检测和端点保护方面，这些算法显示出最先进的结果。与监督机器和深度学习不同，深度强化学习的使用方式更加多样化，并在威胁防御领域为许多创新应用提供支持。然而，没有对这些独特的应用和成就进行任何全面审查。因此，在本文中，我们打算填补这一空白，并全面回顾深度强化学习在网络安全威胁检测和保护中的不同应用。
2022-06-06 cs.AI cs.CR
A Framework for Rapidly Developing and Deploying Protection Against Large Language Model Attacks
Cisco Systems（思科系统）
该框架借鉴恶意软件防护实践，集成威胁情报、数据与发布三大平台，实现针对大语言模型攻击的快速防护开发与部署，提供分层防御并支持持续更新。
2025-10-17 cs.AI cs.CR
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
Security-related Research in Ubiquitous Computing -- Results of a Systematic Literature Review
在努力实现无处不在的计算，用户能够使用无处不在的服务，没有空间和时间的限制，我们正在见证一个快速增长的移动和传感器增强设备的数量变得可用。然而，为了充分利用新的移动设备和服务提供的众多好处，我们必须解决相关的安全问题。在本文中，我们提出了一个系统的文献综述（SLR）在无处不在的计算环境中的安全相关的主题的结果。在我们的研究中，我们发现在2003年至2015年期间发表了5165篇科学论文。我们应用了一个系统的程序来识别这些出版物中讨论的威胁，漏洞，攻击以及相应的防御机制。虽然本文主要讨论了我们的研究结果，相应的SLR协议，提供了SLR的所有细节也公开下载。
2017-01-03 cs.CR cs.DC
Guardauto: A Decentralized Runtime Protection System for Autonomous Driving
由于广泛的攻击面和缺乏运行时保护，潜在的安全和安全威胁阻碍了自动驾驶汽车的实际应用。尽管已经做出了努力来减轻一些特定的攻击，但在保护自动驾驶系统方面的工作很少。本文提出了一个分散的自我保护框架称为Guardauto，以保护自动驾驶系统免受运行时的威胁。首先，Guardauto提出了一个隔离模型，用于对自动驾驶系统进行解耦，并使用一组分区隔离其组件。其次，Guardauto为每个目标组件提供了自保护机制，它结合不同的方法来监视目标执行并相应地规划适应动作。第三，Guardauto提供了当地自我保护机制之间的合作，以确定在级联故障影响多个组件的情况下的根本原因组件。原型已经在开源自动驾驶系统Autoware上实现和评估。实验结果表明，Guardauto能够有效地缓解运行时故障和攻击，在保证系统性能的前提下保护系统。
2020-03-22 cs.CR
A Systematic Literature Review of the Tension between the GDPR and Public Blockchain Systems
本文对114篇论文进行系统文献综述，揭示公有区块链与GDPR之间的三大张力（数据主体权利、角色识别、法律适用模糊性），并提出合规改进方向。
2022-10-10 cs.CR
Blockchain based AI-enabled Industry 4.0 CPS Protection against Advanced Persistent Threat
工业4.0就是以并发、安全和细粒度的方式做事。物联网边缘传感器及其相关数据在当今的行业生态系统中发挥着主导作用。在注入高级持续性威胁（APT）后泄露数据或伪造源设备会损害行业所有者的金钱和运营商的生命。现有的挑战包括针对易受攻击的边缘设备的APT注入攻击，不安全的数据传输，利益相关者之间的信任不一致，不兼容的数据存储机制等。边缘服务器通常会因为其轻量级的计算能力而受到影响，以消除未经授权的数据或指令，这本质上使它们暴露于攻击者。当攻击者在使用传统的PKI呈现的信任传输数据的同时瞄准边缘服务器时，联盟区块链（CBC）提供了经过验证的技术来安全地传输和维护这些敏感数据。随着最近边缘机器学习的改进，边缘设备可以在其终端过滤恶意数据，这在很大程度上促使我们建立一个区块链和AI对齐的APT检测系统。该论文的独特贡献包括在边缘进行有效的APT检测，以及在不可变的区块链分类账中透明记录检测历史。与此相一致，无证书数据传输机制增强了协作者之间的信任，并在消除现有证书颁发机构后确保了经济和可持续的机制。最后，边缘兼容存储技术有助于高效的预测性维护。相应的实验结果表明，所提出的技术优于其他竞争系统和模型。
2022-01-30 cs.CR
How Memory-Safe is IoT? Assessing the Impact of Memory-Protection Solutions for Securing Wireless Gateways
针对物联网无线网关内存漏洞威胁突出的问题，本文通过大规模实证分析内存漏洞情况，对比传统与新兴内存保护技术的特性与权衡，指出需结合用例与开销选择安全设计类内存保护方案。
2024-11-02 cs.CR
A Systematic Literature Review on Phishing and Anti-Phishing Techniques
网络钓鱼是互联网世界的头号威胁。网络钓鱼攻击已经持续了几十年，随着时间的推移，它正在成为互联网用户的一个主要问题，因为攻击者正在提出独特而富有创造性的想法来破坏安全性。在本文中，不同类型的网络钓鱼和反网络钓鱼技术。为此，遵循系统性文献综述（SLR）方法来严格定义拟议的研究问题。最初从不同的资料库中提取了80篇文章。这些文章然后使用Tollgate方法过滤，以找出不同类型的网络钓鱼和反网络钓鱼技术。研究评估，鱼叉式网络钓鱼，电子邮件欺骗，电子邮件操纵和电话网络钓鱼是最常用的网络钓鱼技术。另一方面，根据SLR，机器学习方法在所有其他反钓鱼方法中具有最高的预防和检测钓鱼攻击的准确性。
2021-04-02 cs.CR
Library-Attack: Reverse Engineering Approach for Evaluating Hardware IP Protection
针对现有硬件IP保护忽视特权攻击者风险的问题，提出Library-Attack反向工程技术，利用特权信息与结构比较恢复IP，并在ISCAS89上验证漏洞，更新威胁模型。
2025-01-21 cs.CR
From Perception to Protection: A Developer-Centered Study of Security and Privacy Threats in Extended Reality (XR)
本研究通过访谈23位XR开发者，发现开发决策与安全隐私威胁紧密相关但存在认知偏差，且现有缓解方法支持不足，进而提出可操作建议以改善XR开发中的安全与隐私。
2025-09-08 cs.CR cs.HC
Symbian `vulnerability' and Mobile Threats
现代技术正变得越来越相互融合。移动电话正变得越来越智能化，并且手持设备在功能上越来越像计算机。我们正在进入一个新的时代-智能家居时代，全球先进的网络，包括各种设备，所有这些设备都相互交换数据。这种趋势显然为恶意用户打开了新的视野，潜在的威胁也是不言而喻的。在本文中，我们研究和讨论最著名的移动操作系统之一的“Symbian”，其漏洞和建议的保护技术。
2012-01-04 cs.CR
A Graph Based Framework for Malicious Insider Threat Detection
虽然大多数安全项目都专注于抵御来自组织边界之外的攻击，但真正的威胁来自这些外围保护内的人员。内部威胁已经通过对国家安全、金融稳定和成千上万人的隐私造成巨大影响来显示其威力。新闻中的内容只是冰山一角，还有更多的事情在雷达下进行，一些威胁从未被发现。我们提出了一种基于图形分析和异常检测方法的混合框架，以应对这种严重的网络安全威胁。我们的框架分析异构数据，隔离可能的恶意用户隐藏在别人背后。实证结果表明，该框架是有效的区分大多数用户表现出典型的行为，从少数用户表现出可疑的行为。
2018-09-01 cs.CR
Towards Secured Smart Grid 2.0: Exploring Security Threats, Protection Models, and Challenges
本文综述智能电网2.0中电网运营商、通信网络提供商和消费者面临的安全威胁，提出区块链、物理不可克隆函数及可信AI等保护模型，以应对数据注入和级联故障等挑战。
2024-11-08 cs.CR cs.NI
Graph Neural Network-Based DDoS Protection for Data Center Infrastructure
Equinix；University of Oregon（俄勒冈大学）；Georgia Tech（佐治亚理工学院）；University of Virginia（弗吉尼亚大学）
本文提出基于图神经网络的DDoS检测系统，利用图U-Net自动分类和缓解DDoS流量，通过开放源网络流实现高精度检测，有效提升数据中心服务可靠性。
2026-03-14 cs.CR
Malware in the SGX supply chain: Be careful when signing enclaves!
恶意软件攻击是每年检测到的新软件安全威胁的重要组成部分。Intel Software Guard Extensions（SGX）是Intel在其最新的处理器系列中引入的一组硬件指令，旨在为用户开发的应用程序提供安全的执行环境。据我们所知，目前还没有认真尝试通过利用软件供应链基础设施的弱点来克服新交所的保护，即在开发，构建或签署服务器的层面。虽然新交所的保护并没有特别考虑到这些威胁，但我们在本文中表明，利用构建和签名过程之间的分离进行的简单恶意软件攻击可能会产生严重的破坏性影响，实际上会使新交所的完整性保护措施无效。我们还探索了两种可能的攻击缓解措施，一种是利用SGX本身的集中式，另一种是依赖于部署在区块链基础设施上的智能合约的分布式。我们的评估表明，这两种方法在实践中是可行的，其增加的成本是可以接受的提供的保护。
2020-09-23 cs.CR
Convergence of IT and SCADA: Associated Security Threats and Vulnerabilities
随着许多行业转向集中控制的信息系统以进行监视和控制，越来越重视诸如监督控制和数据采集工业系统（SCADA）的技术。这种对集成和互操作性的关注为安全人员和组织管理层带来了许多挑战。因此，在一个组织内，通过适当的计划和框架来确保其SCADA架构的保护和安全性，从而实现这一新方向变得至关重要。明确了解相关威胁和脆弱性对于采取/制定适当的政策和框架至关重要。为此，在这项研究中，我们识别和分析相关的SCADA安全威胁和漏洞，并提出了一个简单的方案来对其进行分类，以便更好地理解。
2020-05-08 cs.CR
Reversible Unlearnable Examples: Towards the Copyright Protection in Deep Learning Era
Macau University of Science and Technology（澳门科技大学）；FoShan University（佛山大学）；Macao Polytechnic University（澳门理工大学）
针对深度学习版权保护面临的非法模型训练与数据泄露威胁，该文提出一种可逆不可学习样本机制，通过生成诱导模型学习无关特征的扰动与双水印提取策略，在三类数据集上实现全面版权保护。
2026-08-07 cs.CR cs.CV
Towards Centralized Orchestration of Cyber Protection Condition (CPCON)
针对当前美国国防部网络CPCON框架实施依赖人工、不一致且易出错的问题，本文提出策略驱动的CPCON指令集中式编排原型系统，经模拟攻击验证，有人监督下的状态转换速度、准确性与可验证性均有提升。
2025-05-19 cs.CR
Adaptive Cybersecurity: Dynamically Retrainable Firewalls for Real-Time Network Protection
针对网络攻击复杂化的问题，本研究提出可动态重训练防火墙，结合机器学习、强化与持续学习实现实时威胁识别，探讨相关架构、优化策略及集成方案，为自适应网络安全发展提供参考。
2025-01-14 cs.CR cs.CY
A Self-Adaptive Network Protection System
在这篇论文中，我们的目标是建立一个混合的网络自动（自适应）的安全威胁发现和预防系统，通过使用非常规的技术和方法，包括模糊逻辑和生物启发算法的软计算的背景下。
2015-08-22 cs.AI cs.CR cs.NE
Data Protection by Design for Cybersecurity Systems in a Smart Home Environment
本文论述了欧盟数据保护法中最近引入的设计数据保护（DPbD）原则的阐述和实施，特别是从法律和技术角度来看，在灵巧家庭环境中的网络安全系统。该项目致力于开发一个创新和可定制的网络安全平台，用于物联网生态系统内的网络威胁情报收集、检测和缓解。在本文的过程中，DPbD的要求与系统的概念化，设计和实际开发的法律规定。这些要求随后被转化为网络信任系统所设想的技术解决方案。由于权衡对DPbD背景并不陌生，因此在这一跨学科对话中还讨论了技术限制和法律挑战。
2019-03-26 cs.CR
Detection of Dark Web Threats Using Machine Learning and Image Processing
本文利用OpenCV、Python和机器学习模型检测暗网中的人口贩运威胁，并通过EDA与模型对比表明SVM在准确率上优于逻辑回归。
2024-06-30 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
Identifying Appropriate Intellectual Property Protection Mechanisms for Machine Learning Models: A Systematization of Watermarking, Fingerprinting, Model Access, and Attacks
SBA Research（SBA研究中心）；Vienna University of Technology（维也纳工业大学）
本文系统化梳理机器学习知识产权保护中的威胁、攻击与防御，提出统一威胁模型和分类法，以衔接机器学习与安全社区研究。
2023-04-22 cs.AI cs.CR cs.LG
Endpoint Security Agent: A Comprehensive Approach to Real-time System Monitoring and Threat Detection
针对网络威胁演变带来的端点安全需求，提出适用于Windows端点的模块化实时安全代理，利用WMI、ETW监控系统活动，结合机器学习检测引擎与MITRE ATT&CK框架，实现高效准确的威胁检测与标准化分类。
2025-11-11 cs.CR
ClawKeeper: Comprehensive Safety Protection for OpenClaw Agents Through Skills, Plugins, and Watchers
Beijing University of Posts and Telecommunications（北京邮电大学）；Beijing Academy of Artificial Intelligence（北京人工智能研究院）；China Academy of Information and Communications Technology（信息通信技术研究院）
ClawKeeper通过技能、插件和观察者三层机制，提供实时安全防护，解决OpenClaw生态的安全漏洞问题，经过评估证明其有效性。
2026-03-25 cs.AI cs.CR
Position: 3D Gaussian Splatting Watermarking Should Be Scenario-Driven and Threat-Model Explicit
University of Maryland, College Park, MD, United States（马里兰大学学院公园分校）
本文主张3D资产水印技术应基于场景驱动和威胁模型明确，以提升知识产权保护效果。
2026-02-01 cs.CR cs.LG
Protected or Porous: A Comparative Analysis of Threat Detection Capability of IoT Safeguards
首次调查IoT防护措施的威胁检测能力，通过开发自动化实验方法在大型测试床进行数千次测试，发现这些防护措施不仅防风险无效，其云交互与数据收集反而会引入新的隐私风险。
2023-04-06 cs.CR
Scenario of Use Scheme: Threat Model Specification for Speaker Privacy Protection in the Medical Domain
Radboud University（拉德堡德大学）
本文提出一种用于医疗领域语音隐私保护的使用场景方案，包含攻击者模型和保护者模型，并在保持帕金森病检测效用的同时防御性别推断攻击。
2024-09-26 cs.AI cs.CR cs.SD
Modelling Technique for GDPR-compliance: Toward a Comprehensive Solution
本文提出一种GDPR合规建模的全面解决方案，通过将GDPR原则与STRIDE和LINDDUN技术结合，构建新型数据流图与知识库并利用推理引擎识别不合规威胁，在远程医疗系统中验证了其有效性。
2024-04-22 cs.CR
A Threat Model for Soft Privacy on Smart Cars
本文针对智能汽车个人数据隐私问题，提出通用软隐私威胁建模方法并应用于汽车领域，识别出17个领域无关威胁，结合41个领域特定资产形成新型领域相关威胁集，填补了智能汽车软隐私威胁建模的空白。
2023-06-07 cs.CR
Zero Trust Architecture: A Systematic Literature Review
King Fahd University of Petroleum and Minerals（国王法赫德国立石油与矿物大学）
本文通过系统文献综述分析了零信任架构的应用、技术挑战及发展历史，为构建更安全的网络环境提供指导。
2025-03-21 cs.CR
Optimisation of cyber insurance coverage with selection of cost effective security controls
提出一种帮助规避风险组织分配网络安全投资的方法，通过选择最具成本效益的安全控制措施来优化保险与自我防护的投资，并提供精确算法解决多威胁下的控制选择问题。
2025-03-04 cs.CR
Security of Medical Cyber-physical Systems: An Empirical Study on Imaging Devices
近年来，互联医疗设备蓬勃发展，同时也带来了安全问题。医学成像设备是医疗网络物理系统的重要组成部分，在现代医院中发挥着至关重要的作用，并且通常是生命攸关的。然而，这些医疗网络物理系统中的安全和隐私问题有时被忽视。在本文中，我们对成像设备进行了实证研究，以分析医疗网络物理系统的安全性。准确地说，我们设计了一个威胁模型，并提出了医疗成像设备的前瞻性攻击技术。为了应对潜在的网络威胁，我们引入了保护机制，评估保护机制的有效性和效率，以及它与攻击技术的相互作用。为了给安全性打分，我们设计了一个分级系统，为不同场景下的成像设备提供可操作的建议。我们调查了来自9家制造商的15台设备，以证明经验理解和现实世界的安全问题。
2020-01-05 cs.CR
You get PADDING, everybody gets PADDING! You get privacy? Evaluating practical QUIC website fingerprinting protections for the masses
网站指纹（WF）是一个众所周知的威胁用户的网络隐私。新的互联网标准，如QUIC，包括填充以支持对WF的防御。以前的工作只分析了用户在VPN后面时防御的有效性。然而，这并不是大多数用户浏览互联网的方式。在本文中，我们提供了一个全面的评估QUIC填充为基础的防御WF当用户直接浏览网页。我们证实了以前的说法，网络层填充不能提供良好的保护，对强大的对手能够观察到所有的流量痕迹。我们进一步证明，这种填充是无效的，即使对对手的流量可见性和处理能力的限制。在应用程序层，我们表明，防御需要部署的第一和第三方，他们只能在有限的情况下阻止流量分析。我们确定部署有效WF防御的挑战，并提供解决这些挑战的建议。
2022-12-15 cs.CR
Oops..! I Glitched It Again! How to Multi-Glitch the Glitching-Protections on ARM TrustZone-M
电压故障注入（VFI），也称为电源毛刺，已被证明是对现实世界系统的严重威胁。在VFI攻击中，对手干扰目标设备的电源，迫使设备进行非法行为。已经提出了各种对策来解决不同抽象层处的不同类型的故障注入攻击，或者需要在机器指令级修改底层硬件或者软件/固件。此外，直到最近，个别芯片制造商才开始通过在其产品中集成对策来应对这一威胁。通常，这些对策旨在防止单故障注入（SFI）攻击，因为多故障注入（MFI）被认为是具有挑战性的，有时甚至是不切实际的。在本文中，我们介绍了μ-Glitch，第一个电压故障注入（VFI）平台，它能够注入多个，协调的电压故障到目标设备，只需要一个单一的触发信号。我们提供了一种新的多电压故障注入（MVFI）攻击的流程，以显着降低故障参数的搜索复杂度，因为搜索空间随着每个额外的故障注入呈指数级增加。我们评估并展示了我们的攻击平台在四个真实世界芯片上的有效性和实用性，其中包括TrustZone-M：前两个具有相互依赖的回溯机制，而后两个具有额外的集成故障注入对策。我们的评估表明，μ-Glitch可以在平均一天的时间内成功注入四个连续的故障。最后，我们讨论了潜在的对策，以减轻VFI攻击，并提出了两个新的攻击场景MVFI。
2023-03-01 cs.CR
Identifying and Quantifying Trade-offs in Multi-Stakeholder Risk Evaluation with Applications to the Data Protection Impact Assessment of the GDPR
本文提出一种基于帕累托最优的定量且（半）自动化的方法，用于解决多利益相关者网络安全风险管理中控制措施选择的权衡问题，并通过原型工具在GDPR数据保护影响评估中的实验验证了其有效性与可扩展性。
2022-07-15 cs.CR
Exploring the Integration of Differential Privacy in Cybersecurity Analytics: Balancing Data Utility and Privacy in Threat Intelligence
University of Chadli Bendjedid, Faculty of Sciences & Technology（查德利·本杰迪德大学，科学与技术学院）
本文探讨了差分隐私在网络安全分析中的应用，通过平衡数据效用与隐私保护，提升威胁情报的安全共享能力。
2026-01-01 cs.CR
Leveraging Digital Twin Technologies for Public Space Protection and Vulnerability Assessment
Harokopio University（哈罗科普大学）；University of Western Macedonia（西马其顿大学）
本文提出数字孪生即安全服务（DTaaSS）架构，融合IoT、云计算、大数据和AI，实现公共空间实时监控、威胁检测、攻击预测及定量脆弱性评估，以增强软目标防护。
2024-12-15 cs.AI cs.CR
A Threat Modeling Framework for Evaluating Computing Platforms Against Architectural Attacks
软件组件滥用与硬件的特权关系，以绕过系统保护、监视器或取证工具。这些关系通常不是非法的，并且通过设计存在于系统组件之间。因此，即使是具有安全硬件和软件组件的系统，在架构上也可能是脆弱的。不幸的是，现有的威胁建模方案不适用于对计算平台的架构攻击建模。这主要是因为现有技术依赖于软件的抽象表示（例如，数据流图）作为一个主要要求，不适用于作为一个整体的平台（考虑硬件和软件元素）。在本文中，我们讨论了一个硬件-软件体系结构视图的必要性，系统的威胁建模。然后，我们提出了LambertTM，一个框架适应威胁建模方法，适用于不可信的平台，通过整体的方法。Lambertology涉及用于平台抽象建模的系统安全体系结构。使用设计结构矩阵分析，LambertTM帮助最终用户识别针对平台的可能攻击向量。该框架是来自系统工程和软件安全领域的概念的连接点。我们已经应用该框架上的多用途计算机与x86 - 64架构作为一个案例研究，以显示我们的框架的有效性。
2018-09-05 cs.CR
Protection de la vie privée à base d'agents dans un système d'e-learning
电子学习系统旨在提供方便和持续的在线教育资源。事实上，电子学习系统有能力根据学习者的个人资料调整内容和学习过程。适应技术使用先进的行为分析机制，称为“学习者建模”或“剖析”。后者要求持续跟踪学习者的活动，以确定差距和优势，以便根据他们的具体需要调整内容，或在学徒期间提供建议和陪伴。然而，这些系统的缺点是，它们造成了学习者的气馁，对于学习者来说，独自面对自己的屏幕就失去了提高的动力。在学习中加入社会延伸，以避免学习者的孤立，促进学习社区成员之间的支持和互动，能够提高学习者的动机。然而，整合到电子学习平台的促进社会互动的工具可以用于学习以外的目的。这些需求可以是教育、专业或个人的，它们混合了来自学习者私人生活和公共生活的数据。随着电子学习系统的这些工具的集成和存储在这些后者的数据库中的个人数据量的增长，保护学生的隐私成为一个主要问题。事实上，电子学习系统之间的配置文件交换是在未经其所有者许可的情况下进行的。此外，分析行为分析目前代表了一种非常具有成本效益的方式，通过出售这些配置文件广告公司来产生利润。今天，隐私权受到来自各方面的威胁。除了来自盗版的威胁之外，最危险的威胁来源是来自用户盲目信任的在线服务提供商。控制和集中的数据存储和访问权限，有供应商负责的威胁。我们的工作仅限于保护电子学习系统中的个人数据。我们试图回答这个问题：我们如何设计一个系统，保护用户的隐私免受来自提供商的威胁，同…
2014-12-06 cs.CR cs.CY
Exploring Vulnerabilities and Protections in Large Language Models: A Survey
Zscaler, Inc.（奇安信公司）
本综述系统考察了大型语言模型在提示词攻击和对抗性攻击两大领域的安全漏洞，探讨了各类威胁的原理与影响，并提出了相应的防御策略与稳健框架，为构建能抵御复杂攻击的弹性AI系统提供了重要参考。
2024-06-01 cs.CL cs.CR cs.LG
Privacy protection based on mask template
Beijing University of Technology（北京工业大学）；Beijing Friendship Hospital（北京友谊医院）
强大的识别算法被广泛应用于互联网或重要的医疗系统中，对个人隐私构成严重威胁。尽管法律规定了多样性保护，例如欧洲的通用数据保护条例（GDPR）和中国的民法典第1032条至第1039条。然而，作为重要的隐私泄露事件，生物特征数据往往具有隐蔽性，机主很难察觉和溯源。人体生物特征通常存在于图像中。为了避免个人隐私的泄露，我们应该防止未经授权的识别算法获取原始图像的真实特征。
2022-02-13 cs.AI cs.CR cs.CV
A GDPR-compliant Risk Management Approach based on Threat Modelling and ISO 27005
提出一种以 ISO 27005 为基线、融合 ISO 27001/27002 控制与 GDPR 要求的威胁建模风险管理方法，并结合 STRIDE 和攻击树在 IoT 案例中评估攻击风险与对策。
2023-06-07 cs.CR
SunBlock: Cloudless Protection for IoT Systems
Imperial College London（伦敦帝国理工学院）；University College London（伦敦大学学院）；Northeastern University（东北大学）
本文提出 SunBlock，在家用路由器本地结合机器学习与规则化流量过滤，实现不依赖云的 IoT 攻击检测与防护，性能达到或超过主流方案且不影响正常设备功能。
2024-01-25 cs.CR cs.LG
On the Security & Privacy in Federated Learning
最近的隐私意识举措，如欧盟通用数据保护条例，使机器学习（ML）屈服于隐私和安全评估。联邦学习（FL）提供了一个隐私驱动的分散训练方案，可以提高ML模型的安全性。业界对FL技术的快速适应和安全评估暴露了各种威胁FL机密性、完整性或可用性的漏洞。这项工作通过审查最先进的（SoTA）并创建一个包含攻击的表面，敌对行为者，能力和目标的威胁模型来评估FL的CIA。我们提出了第一个统一的攻击和防御分类，并提供了有前途的未来研究方向。
2022-03-16 cs.CR
On Protecting the Data Privacy of Large Language Models (LLMs): A Survey
本文综述了大型语言模型面临的数据隐私威胁（被动泄露与主动攻击），评估了各阶段隐私保护机制的有效性与局限，并展望了未来研究方向。
2024-03-14 cs.CR
A Clustering-based Location Privacy Protection Scheme for Pervasive Computing
在普适计算环境中，由于移动网络和定位技术的不断发展，基于位置的服务（LBS）变得越来越重要。然而，LBS的广泛部署可能会危及移动用户的位置隐私。因此，为移动用户的位置隐私提供保护措施，使其免受攻击是一个重要的研究课题。本文提出了一种新的位置隐私保护方案。我们的方法支持的位置K-匿名的移动用户与他们自己想要的匿名水平聚类范围很广。所有用户的整个区域被递归地划分为簇，以获得最小边界矩形（MBR）。用户的确切位置信息被他的MBR替换。隐私分析表明，我们的方法可以实现高弹性的位置隐私威胁，并提供更多的隐私比用户期望的。复杂性分析表明，随着移动用户的加入或离开，聚类可以实时的调整。此外，聚类算法具有很强的鲁棒性。
2010-11-13 cs.CR
Phagocytes: A Holistic Defense and Protection Against Active P2P Worms
主动对等网络蠕虫利用流行的对等网络应用程序进行快速的拓扑自传播，对全球互联网构成严重威胁。主动P2P蠕虫比普通扫描蠕虫造成更致命的威胁，因为它们不容易表现出可检测的异常，因此许多现有的防御不再有效。我们提出了一个免疫系统与吞噬细胞-一个小的子集当选的P2P主机是免疫的概率很高，专门在P2P覆盖寻找和“吃”蠕虫。吞噬细胞将监控其管理的P2P主机的连接模式和流量，以检测活跃的P2P蠕虫攻击。一旦检测到，将进行本地隔离、警报传播和软件修补以进行遏制。吞噬细胞还提供用于内部P2P覆盖层和外部主机之间的通信建立的访问控制和过滤机制。我们设计了一个新的自适应和基于交互的计算难题方案在吞噬细胞抑制外部蠕虫攻击的P2P覆盖，而不影响合法主机的经验显着。我们实现了一个原型系统，并评估其性能的基础上现实的大规模P2P网络的痕迹。评估结果表明，我们的吞噬细胞能够实现对活跃的P2P蠕虫的全面防御。
2011-08-05 cs.CR cs.NI
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
Threats and Limitations of Terrestrial Broadcast Attacks
针对DVB标准缺乏认证和完整性保护，提出恶意广播攻击概念验证，并实验证明其因同信道保护比而范围受限，开发了低成本CCPR测定和攻击范围测量方法。
2024-02-07 cs.CR eess.SP
Variable Record Table: A Unified Hardware-Assisted Framework for Runtime Security
本文提出可变记录表（VRT），通过统一硬件框架同时实现内存安全、控制流完整性及推测执行攻击检测，有效提升运行时安全性并降低性能开销。
2025-12-14 cs.CR
The Inner Workings of Windows Security
本研究调查Windows操作系统漏洞，评估BitLocker、Defender和防火墙等安全功能的有效性，通过模拟威胁提出缓解策略，以增强系统安全性。
2023-12-23 cs.CR
