Decision-Making Frameworks for Network Resilience -- Managing and Mitigating Systemic (Cyber) Risk
Institute of Actuarial and Financial Mathematics & House of Insurance, Leibniz University Hannover, Germany（汉诺威莱布尼茨大学精算与金融数学研究所及保险之家）
本文提出了一种用于管理网络系统性风险的决策框架，通过可接受的网络配置、风险缓解干预措施和成本函数来实现系统性风险的管理与缓解。
2024-10-25 cs.CR cs.DM cs.NI
Overview of Cyber Science and Technology Programs at the U.S. Army Research Laboratory
本文概述了美国陆军研究实验室在网络安全方面的研究计划。虽然ARL是美国陆军的企业实验室，专注于基础和早期应用研究，但基础科学工作与广泛的面向操作的计划紧密结合。其中一个例子是网络合作研究联盟（CRA），该联盟将ARL的科学家与来自数十所美国大学的学术研究人员聚集在一起。ARL网络科学家在很大程度上是由陆军地面作战所特有的挑战所驱动的;本文概述了其中一些挑战以及ARL研究工作解决这些挑战的方式。网络研究的长期活动是由未来陆军战场的愿景指导的。到2040年，这将是一个高度融合的虚拟-物理空间，网络作战将成为战斗的一个组成部分。
2017-01-03 cs.CR
Six Potential Game-Changers in Cyber Security: Towards Priorities in Cyber Science and Engineering
网络科学和工程所涵盖的研究领域在这个时候是广泛的和不明确的。随着各国政府和研究界越来越认识到这些学科的重要性、紧迫性和技术丰富性，出现了一个优先事项问题：哪些具体的研究分领域应成为关注和供资的重点？在本文中，我们指出一种方法来回答这个问题。我们探讨了最近一次研讨会的结果，该研讨会假设了未来15年内可能在网络安全领域发生的游戏规则改变者或破坏性变化。我们认为，这样的游戏规则改变者可能是有用的，在集中研究社区的注意力在高优先级的主题。事实上，如果一个剧烈的、重要的变化可能发生，我们难道不应该把我们的研究工作集中在与这种变化有关的现象的性质和后果上吗？我们说明了每一个游戏规则改变者的例子，相关的当前研究，然后提供建议，推进网络科学和工程方面的六个游戏规则改变者。
2015-11-02 cs.CR
Science Hackathons for Cyberphysical System Security Research: Putting CPS testbed platforms to good use
一个挑战是开发网络物理系统场景，反映现实生活中的网络物理系统的多样性和复杂性，他们解决的研究问题。有时间限制的协作活动，如黑客松、Jams和Sprint，越来越多地被用作将个人团体聚集在一起的一种手段，以探索挑战并制定解决方案。本文介绍了我们的经验，使用科学黑客将各个研究人员聚集在一起，以开发一个共同的用例，在共享的CPS测试平台上实现，体现了他们自己的安全研究问题的多样性。对这次活动进行了定性研究，以评估这一进程的成功，以期改进今后的类似活动。
2018-11-09 cs.CR
Using Camouflaged Cyber Simulations as a Model to Ensure Validity in Cybersecurity Experimentation
实验研究方法描述了保障科学完整性和声誉的标准。这些方法已被广泛地融入传统的科学学科，并在科学哲学中得到研究。网络安全领域刚刚开始制定初步的研究标准和建模实践。因此，网络安全科学通常无法满足实证研究标准，如内部效度，外部效度和结构效度。这些标准的实验，使发展的指标，创造实验的可靠性保证，并在结果的普遍性援助。为了促进这种网络安全的经验性实验，我们提出了改编的网络模拟作为网络安全研究的一种方法。该研究工具支持这种机械的实验方法，并有助于构建一般网络安全研究的最佳实践。
2019-05-16 cs.CR
Data Science Methodology for Cybersecurity Projects
网络安全解决方案传统上是静态的，基于签名。传统的解决方案以及分析模型、机器学习和大数据的使用可以通过自动触发缓解或提供相关意识来控制或限制威胁的后果来改进。这种智能解决方案涵盖在数据科学网络安全的背景下。数据科学通过利用数据（和大数据）、高性能计算和数据采掘（以及机器学习）的力量来保护用户免受网络犯罪的侵害，在网络安全方面发挥着重要作用。为此，一个成功的数据科学项目需要一种有效的方法来涵盖所有问题并提供足够的资源。在本文中，我们将介绍流行的数据科学方法，并将根据网络安全挑战对它们进行比较。还进行了比较讨论，以解释网络安全项目的方法优势和劣势。
2018-03-12 cs.CR cs.CY
Interpretable Cyber Threat Detection for Enterprise Industrial Networks: A Computational Design Science Approach
针对企业工业网络数据稀缺、误报高且难解释的问题，提出基于改进GAN、BiGRU-注意力机制及SHAP与决策树的两阶段可解释威胁检测框架，并在两个公开数据集上验证其高精度。
2024-09-04 cs.CR
Artificial Intelligence in Cybersecurity: Building Resilient Cyber Diplomacy Frameworks
本文研究如何将自动化与人工智能战略性地整合进美国网络外交，以提升决策效率、预测分析和实时响应能力，同时强调人类监督与治理框架以应对伦理和安全风险。
2024-11-17 cs.AI cs.CR cs.CY
Resilience in the Cyber World: Definitions, Features and Models
弹性是一个在计算机科学和计算机工程中得到越来越多关注的特性。然而，网络环境的弹性定义，特别是嵌入式系统，尚不清楚。本文讨论了计算机科学/计算机工程领域中不同作者、年代和不同应用领域的定义。我们确定了大多数定义或多或少常见的核心声明，并在此基础上，我们使用（网络）弹性属性给出了一个整体定义。为了铺平道路，我们讨论的生存周期的（网络）弹性系统，包括在文献中提出的关键行动的理论模型。我们适应这种模式的嵌入式（网络）弹性系统。
2021-05-21 cs.CR
RCVaR: an Economic Approach to Estimate Cyberattacks Costs using Data from Industry Reports
Communication Systems Group CSG, Department of Informatics IfI, University of Zurich UZH（苏黎世大学信息学系通信系统小组）
本文提出RCVaR方法，通过整合行业报告数据，量化企业网络攻击风险及成本，改进传统概率模拟方法，提升网络安全规划与风险管理效率。
2023-07-20 cs.CR cs.CY cs.IR
Data Driven Approaches to Cybersecurity Governance for Board Decision-Making -- A Systematic Review
本文系统综述了支持董事会网络安全治理决策的现有风险测量工具、指标与模型，归纳出七个概念主题，指出当前缺乏董事会可理解语言形式的决策支持信息，并提出后续可深入研究的理论与模型建议。
2023-11-29 cs.CR
Approaches to Enhancing Cyber Resilience: Report of the North Atlantic Treaty Organization (NATO) Workshop IST-153
本报告总结了2017年10月23日至25日在德国慕尼黑联邦国防军大学举行的2017年北大西洋公约组织（NATO）网络弹性研讨会IST-153的讨论和结果。尽管在管理网络领域的风险方面不断取得进展，但预测和预防所有可能的攻击和故障对于包括网络基础设施的当前或未来系统来说是不可行的。因此，在文献和实践中，对网络复原力（而不仅仅是基于风险的方法）的兴趣正在迅速增加。与风险或鲁棒性的概念不同，它们经常被错误地与弹性混为一谈，弹性是指系统在意外影响导致其性能下降后恢复或重新生成其性能到足够水平的能力。弹性、风险和鲁棒性之间的确切关系在技术上还没有得到很好的阐述。研讨会上的发言和讨论产生了本报告。它侧重于研讨会参与者认为特别重要的以下主题：网络弹性的基本特性;测量和建模网络弹性的方法;网络弹性的任务建模;网络弹性的系统工程，以及动态防御作为实现网络弹性的途径。
2018-04-20 cs.CR
A UK Case Study on Cybersecurity Education and Accreditation
本文介绍了一个基于国家案例研究的分析，分析了网络安全教育的众多方面，以及它们如何被优先考虑，实施和认证;从理解硬件和软件的相互作用，从理论到实践（反之亦然），到人为因素，政策和政治（以及其他各种重要方面）。近年来，在国际论坛上提出并讨论了许多示范课程和建议，对教育、政策和实践产生了不同程度的影响。本文件涉及三个关键问题：一）向普通计算机科学学生讲授网络安全的内容和应该讲授的内容;二）应单独向普通计算机科学学生讲授网络安全还是以综合方式讲授网络安全;三）国家专业、法定和监管机构的认证能否加强机构管辖范围内的网络安全？评估如何在计算机科学的各个方面教授网络安全显然是一项相当大的任务，超出了本文的范围。相反，采用了以案例研究为基础的研究方法-主要侧重于联合王国-来评估在普通计算机科学范围内向大学生讲授网络安全的证据。因此，在广泛的国际计算机科学/工程课程改革的背景下，这需要嵌入网络安全知识和技能对机构和教育工作者来说意味着什么，以及我们如何更有效地教授这门学科？通过英国的案例研究，并通过与美国相关举措的对比，我们展示了国家认证要求可以产生的积极影响，并为未来的研究和课程开发提供了一些建议。
2019-07-30 cs.CR cs.CY
Cyber Risk Assessment for Capital Management
本文提出融合保险频率—严重程度模型与网络安全级联模型的双支柱框架，用于网络风险评估与资本配置，并通过案例和敏感性分析揭示预算约束下最优策略的关键影响因素。
2025-01-09 cs.CR math.OC q-fin.RM
Supply Chain Characteristics as Predictors of Cyber Risk: A Machine-Learning Assessment
本文通过大规模数据驱动分析，首次证明数字供应链特征能显著提升企业网络风险预测能力，样本外AUC提高2.3%，并揭示了第三方攻击相关风险驱动因素及缓解干预措施。
2023-11-13 cs.CR q-fin.RM
Artificial Intelligence for Cybersecurity: Threats, Attacks and Mitigation
National Institute of Technology Silchar（锡尔查尔国家理工学院）；Mizoram University（米佐拉姆大学）
随着数字时代的到来，由于技术的进步，每天的任务都是自动化的。然而，技术还没有为人们提供足够的工具和保障。随着互联网连接全球越来越多的设备，保护连接设备的问题以螺旋式的速度增长。数据盗窃、身份盗窃、欺诈性交易、密码泄露和系统漏洞正在成为日常新闻。最近人工智能的进步使网络攻击的威胁激增。人工智能几乎应用于不同科学和工程的各个领域。人工智能的介入不仅使特定任务自动化，而且还将效率提高了许多倍。因此，很明显，这样一个美味的传播将是非常诱人的网络犯罪分子。因此，传统的网络威胁和攻击现在是“智能”威胁。本文讨论了网络安全和网络威胁，以及防御网络攻击的传统和智能方法。最后，以人工智能在网络安全中的未来的潜在前景结束讨论。
2022-09-27 cs.AI cs.CR cs.CY
SHARKS: Smart Hacking Approaches for RisK Scanning in Internet-of-Things and Cyber-Physical Systems based on Machine Learning
Princeton University（普林斯顿大学）；Technology Innovation Institute（技术创新研究所）
网络物理系统（CPS）和物联网（IoT）设备越来越多地部署在多个功能上，从医疗保健设备和可穿戴设备到关键基础设施，例如，核电站、自动驾驶汽车、智能城市和灵巧家庭。这些设备在其全面的软件、硬件和网络堆栈中本质上是不安全的，因此呈现出可以被黑客利用的大的攻击面。在这篇文章中，我们提出了一种创新的技术，用于检测未知的系统漏洞，管理这些漏洞，并改善事件响应时，这些漏洞被利用。这种方法的新颖性在于从已知的现实世界CPS/IoT攻击中提取智能，以正则表达式的形式表示它们，并在正则表达式的集合上采用机器学习（ML）技术来生成新的攻击向量和安全漏洞。我们的研究结果表明，可以成功生成10个新的攻击向量和122个新的漏洞利用，这些攻击向量和漏洞利用有可能利用CPS或物联网生态系统。ML方法达到了97.4%的准确率，使我们能够有效地预测这些攻击，搜索空间减少了87.2%。我们展示了我们的方法在联网汽车车载网络黑客攻击中的应用。为了防御已知的攻击和可能的新漏洞，我们讨论了各种类型的攻击和这种攻击的目标数据的分类的深度防御机制。这种防御机制根据受保护资源的敏感性优化了安全措施的成本，从而激励网络安全从业者在现实世界的CPS/IoT中采用这种机制。
2022-10-19 cs.AI cs.CR cs.LG
Leveraging Large Language Models for Cybersecurity Risk Assessment -- A Case from Forestry Cyber-Physical Systems
Chalmers University of Technology（楚德斯技术大学）；University of Gothenburg（哥德堡大学）；Carnegie Mellon University（卡内基梅隆大学）；RISE Research Institutes of Sweden（瑞典RISE研究机构）
本文探讨了利用本地托管的大型语言模型结合检索增强生成技术支持林业信息物理系统网络安全风险评估，通过设计科学研究验证了其能辅助专家生成评估、识别威胁并提供冗余检查，同时强调了人工监督的必要性。
2025-10-11 cs.AI cs.CR cs.SE
Toward Explainable Users: Using NLP to Enable AI to Understand Users' Perceptions of Cyber Attacks
Texas Tech University（德州理工大学）
为了了解最终用户如何将网络安全攻击的后果概念化，我们进行了一项卡片分类研究，这是认知科学中的一种众所周知的技术，参与者可以自由地将所选网络攻击的给定后果分为他们希望使用的许多类别。开放式卡片分类研究的结果显示，参与者之间存在大量差异，这使得研究团队想知道参与者如何理解安全攻击的后果。为了探索是否可以通过人工智能（AI）技术解释用户的心理模型和行为，研究团队将卡片分类数据与许多自然语言处理（NLP）技术的输出进行了比较，目的是了解参与者如何感知和解释以自然语言编写的网络攻击的后果。基于NLP的探索方法的结果揭示了一个有趣的观察结果，这意味着参与者大多采用检查每个句子中的单个关键字来将网络攻击后果分组在一起，而较少考虑网络攻击后果描述背后的语义。本文中报告的结果似乎是有用的和重要的网络攻击的理解，从用户的角度来看。据我们所知，本文是第一次介绍使用人工智能技术来解释和建模用户的行为和他们对上下文的看法。这里介绍的新颖想法是关于使用AI解释用户。
2021-06-03 cs.AI cs.CR cs.HC
