Global BGP Attacks that Evade Route Monitoring
该研究发现一种借助NO_EXPORT团体属性的子前缀劫持BGP攻击可躲过主流监测系统,经4个一级网络验证均存在漏洞,并提出了增强监测生态鲁棒性的缓解方案。
2024-08-19 cs.CR cs.NI
Co-processor-based Behavior Monitoring: Application to the Detection of Attacks Against the System Management Mode
高特权软件(如固件)是攻击者的一个有吸引力的目标。因此,BIOS供应商使用加密签名来确保引导时的固件完整性。然而,这种保护并不能阻止攻击者在运行时利用漏洞。为了检测这种攻击,我们提出了一种基于事件的行为监控方法,依赖于一个孤立的协处理器。我们检测在主CPU上执行的代码,将有关其行为的信息发送到监视器。这些信息有助于解决语义差距问题。我们的方法不依赖于特定的行为模型,也不依赖于特定的目标。我们应用这种方法来检测针对系统管理模式(SMM),一个高度特权的x86执行模式,在运行时执行固件代码的攻击。我们使用SMM的控制流和相关CPU寄存器(CR3和SMBASE)的不变量来建模SMM的行为。我们仪器两个开源固件实现:EDK II和coreboot。我们评估我们的方法来检测国家的最先进的攻击和它的运行时执行开销的能力,通过模拟一个x86系统加上ARM Cortex A5协处理器。结果表明,我们的解决方案可以检测到最先进的入侵,没有任何误报,同时在SMM的上下文中(即,小于英特尔定义的150 $μ$ s阈值)。
2018-03-07 cs.CR
Lookout for Zombies: Mitigating Flush+Reload Attack on Shared Caches by Monitoring Invalidated Lines
基于操作系统的页面共享是现代系统中常用的优化,可减少内存占用。不幸的是,这样的共享可能会导致Flush+ Hashad缓存攻击,从而间谍定期刷新共享数据的缓存行(使用clflush指令)并重新加载它以推断受害者应用程序的访问模式。目前的建议,以减轻刷新+缓存攻击是不切实际的,因为他们要么禁用页面共享,或需要应用程序重写,或需要操作系统支持,或招致ISA的变化。理想情况下,我们希望在不需要任何操作系统或ISA支持的情况下容忍攻击,同时产生微不足道的性能和存储开销。本文提出了一个关键的观察,当一个缓存线是无效的,由于刷新引起的无效(FCI),无效的线的标签和数据仍然驻留在缓存中,并可以用于检测基于刷新的攻击。我们将由于FCI而无效的线路称为僵尸线路。我们的设计显式地将这些行标记为Zombie,将Zombie行保留在缓存中,并使用Zombie行的命中和未命中来容忍攻击。我们提出了基于僵尸的缓解(ZBM),一个简单的基于硬件的设计,成功地防范攻击,简单地对待僵尸线上的命中失误,以避免任何时间泄漏的攻击者。我们分析了ZBM的鲁棒性使用三个间谍程序:攻击AES的T-表,攻击RSA的平方和乘法,和功能监视器(FW),并表明ZBM成功地抵御这些攻击。我们的解决方案需要的存储空间可以忽略不计(每个缓存行4位),保留了基于操作系统的页面共享,不需要更改操作系统/ISA,并且不会导致良性应用程序的速度减…
2019-06-06 cs.CR
AIQL: Enabling Efficient Attack Investigation from System Monitoring Data
应对高级持续性威胁(APT)攻击的需求导致了无处不在地监视每个主机中的系统活动并对监视数据执行及时的攻击调查以分析攻击起源的解决方案。然而,现有的基于关系数据库和图形数据库的查询系统缺乏语言结构来表达主要攻击行为的关键属性,并且由于其语义不可知的设计不能利用系统监控数据的属性来加速查询执行,因此通常执行查询效率低下。为了解决这个问题,我们提出了一种新的查询系统,建立在现有的监控工具和数据库,这是设计与新型的优化,以支持及时的攻击调查。我们的系统提供(1)特定于域的数据模型和存储扩展的存储,(2)特定于域的查询语言,攻击调查查询语言(AIQL),集成了关键的原语攻击调查,和(3)优化的查询引擎的基础上的数据和查询的语义的特点,以有效地调度查询执行。我们在NEC Labs America部署了由150台主机组成的系统,并使用857 GB的真实系统监控数据(包含25亿个事件)对其进行了评估。我们对现实世界的APT攻击和广泛的攻击行为的评估表明,我们的系统在效率(PostgreSQL的124倍,Neo4j的157倍,Greenplum的16倍)和简洁性(SQL,Neo4j Cypher和Splunk SPL包含的约束至少是AIQL的2.4倍)方面都超过了现有系统。
2018-06-07 cs.CR cs.DB
Attack Effect Model based Malicious Behavior Detection
针对传统安全检测数据覆盖不足、资源开销大和误报率高的问题,本文提出FEAD框架,通过攻击模型驱动监控项提取、高效任务分解和局部性感知异常分析,以5.4%的开销将F1-score提升8.23%。
2025-06-05 cs.CR
Monitoring-based Differential Privacy Mechanism Against Query-Flooding Parameter Duplication Attack
Xidian University(西安电子科技大学);Purdue University(普渡大学);Chinese Academic of Sciences(中国科学院)
由机器学习算法实现的公共智能服务容易受到模型窃取攻击的攻击,这些攻击可以通过公共查询窃取学习模型的机密信息。虽然有一些保护选项,如差分隐私(DP)和监控,这被认为是有前途的技术,以减轻这种攻击,我们仍然发现,漏洞仍然存在。在本文中,我们提出了一种自适应查询泛洪参数复制(QPD)攻击。攻击者可以通过黑盒访问来推断模型信息,并且没有任何模型参数或训练数据的先验知识。我们还开发了一种防御策略,使用DP称为基于监视的DP(MDP)对这种新的攻击。在MDP中,我们首先提出了一个新的实时模型提取状态评估方案称为监视器,以评估模型的情况。然后,我们设计了一种自适应地指导差分隐私预算分配的方法APBA。最后,所有基于DP的防御都可以根据Monitor的结果动态调整模型响应中添加的噪声量,有效地防御QPD攻击。此外,我们彻底评估和比较QPD攻击和MDP防御性能的真实世界模型与DP和监测保护。
2020-11-01 cs.CR cs.LG
MonitoringBench: Semi-Automated Red-Teaming for Agent Monitoring
Independent(独立)
本文提出半自动化红队方法,针对代理监控中的攻击检测问题,通过改进攻击生成和测试流程,构建了包含2644条攻击轨迹的MonitoringBench基准,评估监控能力与失败模式。
2026-05-10 cs.AI cs.CR
Programmable RO (PRO): A Multipurpose Countermeasure against Side-channel and Fault Injection Attack
侧信道和故障注入攻击通过监视或操纵涉及秘密变量的计算的物理效果来揭示秘密信息。电路级对策有助于阻止这些攻击,传统上,这种对策是针对每个攻击向量单独开发的。我们展示了一个多用途的环形振荡器设计-可编程环形振荡器(PRO),以解决故障攻击和侧信道攻击在一个通用的,应用程序无关的方式。PRO作为一种集成基元,可以为安全设计提供片上侧沟道电阻、电源监控和故障检测功能。我们提出了一个网格的PRO监测芯片上的电源网络,以检测异常。这种电源异常可能是由电磁故障注入和电源毛刺等外部因素以及硬件木马等内部因素引起的。通过监测环形振荡器的频率,我们能够及时检测到芯片上的功率异常以及位置。此外,我们表明,PRO也可以注入一个随机的噪声模式到设计的功耗。通过随机切换环形振荡器的频率,所产生的功率噪声模式显著降低了密码的基于功率的侧信道泄漏。我们讨论了PRO的设计,并提出了Xilinx斯巴达-6 FPGA原型的测量结果,我们表明,侧通道和故障漏洞,可以在一个低成本的设计中引入PRO解决。我们的结论是,PRO可以作为一个独立的应用程序,多用途的对策。
2021-06-25 cs.CR
Towards Model-based Run-time Cybersecurity: On Control-Flow Anomaly Detection, Attack Identification, and Hardware Monitoring
Faculty of Computer Science and Mathematics, OTH Regensburg(雷根斯堡应用技术大学计算机科学与数学学院);Institute for Software Engineering and Programming Languages, Universität zu Lübeck(吕贝克大学软件工程与程序设计语言研究所);Accemic Technologies GmbH(Accemic科技有限公司)
本文提出结合软件与硬件监控的基于模型的方法,以提升控制流异常检测与攻击树识别的鲁棒性,解决攻击者通过伪装控制流逃避检测的问题,在认证服务示例中验证了该方案可提高诊断精度。
2026-08-13 cs.AI cs.CR
Security Monitoring of the Cyber Space
攻击者正在滥用互联网安全和隐私服务来执行网络攻击。为了应对这些威胁,网络运营商利用各种安全工具和技术来监控网络空间。推断互联网威胁活动的一种有效方法是从基于陷阱的监测传感器收集信息。因此,本章主要定义了基于网络空间陷阱的监测系统及其分类。此外,它还介绍了最先进的研究贡献和技术,工具和技术。此外,报告还指出了科学和技术方面的差距。此外,它还介绍了一些案例研究和实用的方法,对应于大规模的网络监控系统,如尼克特。我们进一步提出了一些相关的安全政策和法律问题的网络监控。本章概述互联网监察,并为读者提供指引,帮助他们了解透过计算机网络陷阱观察、侦测及分析网络攻击的概念。
2016-08-04 cs.CR
Hybrid Cryptographic Monitoring System for Side-Channel Attack Detection on PYNQ SoCs
本文针对 PYNQ-Z1 嵌入式平台上 AES-128 的时序与故障注入风险,提出结合统计阈值和 Random Forest 的轻量级双重实时检测框架,并验证其在不修改 AES 或使用硬件计数器时具有更高准确率和实时可行性。
2025-08-29 cs.CR
Querying Streaming System Monitoring Data for Enterprise System Anomaly Detection
应对高级持续性威胁(APT)攻击的需求促使解决方案无处不在地监控每个企业主机中的系统活动,并通过监控数据流及时执行异常系统行为检测。然而,现有的基于流的解决方案缺乏明确的语言结构来表达异常模型,捕捉异常的系统行为,从而面临的挑战,结合专家知识,执行及时的异常检测的大规模监测数据。为了解决这些局限性,我们建立SAQL,一种新的基于流的查询系统,需要作为输入,从企业中的多个主机聚合的实时事件提要,并提供一个异常查询引擎,查询事件提要,以确定基于指定的异常模型的异常行为。SAQL提供了一种特定于域的查询语言,基于流的异常查询语言(SAQL),它唯一地集成了用于表达主要类型的异常模型的关键原语。在演示中,我们的目标是通过以下方式展示SAQL的完整使用场景:(1)在受控环境中执行APT攻击;(2)使用SAQL通过查询包含攻击痕迹的系统监控数据流来实时的检测异常行为。观众将可以选择与系统进行交互,并通过命令行UI发出查询和检查查询结果来实时的检测攻击足迹。
2020-02-27 cs.CR
Attack Selection Reduces Safety in Concentrated AI Control Settings against Trusted Monitoring
Pivotal Research(Pivotal研究);University of Oxford(牛津大学);Redwood Research(Redwood研究)
研究攻击选择如何通过映射攻击到质量评分和提交概率影响安全性能,发现FPR对安全影响更大,提示需谨慎评估模型攻击能力以避免安全评分过高。
2026-04-16 cs.AI cs.CR
From ECU to VSOC: UDS Security Monitoring Strategies
Yekta IT GmbH(Yekta IT有限公司);ETAS GmbH(ETAS有限公司);University of Passau(帕绍大学)
针对汽车UDS协议的安全挑战,提出结合车载日志与VSOC远程分析的UDS安全监控策略,验证其可覆盖多类攻击向量,并指出AUTOSAR标准安全事件的现存缺口。
2025-10-29 cs.CR
Hijacking .NET to Defend PowerShell
随着近几个月来使用PowerShell的攻击的增加,还没有一个全面的监控或预防解决方案。微软最近发布了PowerShell v5的AMSI解决方案,但这也可以被绕过。本文的重点是重新利用各种针对PowerShell攻击实施的隐形运行时.NET劫持技术,以实现对PowerShell的防御性监控。它首先简要介绍了.NET和PowerShell,然后深入解释了各种攻击者技术,从防御者的角度进行了解释,包括汇编修改,类和方法注入,编译器分析和基于C的函数挂钩。在四种攻击者技术中,中间语言二进制修改、JIT挂钩和机器码操作为PowerShell脚本分析的隐形运行时接口提供了最佳结果。
2017-09-21 cs.CR
Efficient Predictive Monitoring of Linear Time-Invariant Systems Under Stealthy Attacks
对工业控制系统(ICS)的攻击可能会导致严重的物理损害。虽然离线安全评估可以提供对易受攻击的系统组件的深入了解,但它们可能无法解释旨在在长时间运行瞬态期间逃避异常检测器的隐形攻击。在本文中,我们提出了一个预测性的在线监测方法来检查系统的安全性下潜在的隐形攻击。具体来说,我们适应以前的结果在攻击影响评估的可达性分析提供了一个有效的算法,线性时不变(LTI)系统的在线安全监控。所提出的方法依赖于离线计算的符号可达集的估计的物理状态的系统。然后这些集合被在线实例化,并通过利用椭圆微积分的思想来执行安全检查。我们说明和评估我们的方法使用田纳西-伊士曼过程。我们还比较了我们的方法与基线监测方法在以前的工作中提出的,并评估其效率和可扩展性。我们的评估结果表明,我们的方法可以及时预测,如果一个错误的数据注入攻击将能够造成损害,同时保持未被发现。因此,我们的方法可用于为运营商提供有关隐形攻击的实时预警。
2021-06-04 cs.CR cs.SY eess.SY
E-DPNCT: An Enhanced Attack Resilient Differential Privacy Model For Smart Grids Using Split Noise Cancellation
针对智能电网差分隐私模型易受共谋攻击的问题,提出E-DPNCT模型,利用分裂噪声消除与多主智能电表实现抗共谋,兼顾隐私保护与准确计费负载监测,实验显示显著改进。
2023-09-05 cs.CR
ALBUS: a Probabilistic Monitoring Algorithm to Counter Burst-Flood Attacks
本文提出概率监测算法ALBUS,解决传统sketch算法在突发洪泛DDoS攻击下误报率高的问题,在提升召回率和精确率的同时支持高流量速率,并通过FPGA和P4实现验证其可扩展性与可编程交换机适用性。
2023-07-07 cs.CR cs.NI
A Survey on Enterprise Network Security: Asset Behavioral Monitoring and Distributed Attack Detection
本文系统综述了企业网络安全中资产行为监控与分布式攻击检测的研究与工业系统现状,涵盖攻击分类、行为监控、检测方法及可编程网络与机器学习的应用,并指出未来研究方向。
2023-06-29 cs.CR cs.NI
Bypassing AI Control Protocols via Agent-as-a-Proxy Attacks
Department of Computer Science, Virginia Tech(弗吉尼亚理工学院计算机科学系)
本文提出通过代理式攻击绕过AI监控防御,显示即使大规模监控模型也易受攻击,揭示当前防御机制的脆弱性。
2026-02-25 cs.AI cs.CR
Improved Leakage Abuse Attacks in Searchable Symmetric Encryption with eBPF Monitoring
Virginia Tech(弗吉尼亚理工大学)
本文研究了利用eBPF监控揭示SSE中的系统级泄漏,以改进泄漏滥用攻击并增强现有攻击方法。
2026-03-07 cs.CR cs.OS
Blockchain-based Monitoring for Poison Attack Detection in Decentralized Federated Learning
Royal Military College of Canada(加拿大皇家军事学院);Universidad Nacional Autónoma de México(墨西哥国立自治大学)
联邦学习(FL)是一种机器学习技术,通过在本地保存数据样本的节点上训练模型,解决了本地数据集访问权方面的隐私挑战。为了实现分散式联邦学习,提出了基于区块链的FL作为分布式FL架构。在去中心化FL中,由于工人之间相互协作以训练全局模型,因此主管被排除在学习过程之外。去中心化的FL应用程序需要考虑基于区块链的FL部署所产生的额外延迟。特别是在这种情况下,为了检测有针对性/无针对性的中毒攻击,我们研究了一个实际的分散式FL过程的端到端学习完成延迟,该过程可以防止中毒攻击。我们提出了一种技术,其中包括在解耦的监测阶段的检测阶段,在防御中毒攻击的分散式联邦学习部署,旨在监测工人的行为。我们证明了我们提出的基于区块链的监控提高了网络的可扩展性,鲁棒性和时间效率。操作的并行化导致在FL和区块链操作期间产生的端到端通信、计算和共识延迟的延迟最小化。
2022-09-30 cs.AI cs.CR cs.LG
CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations
针对CAN总线攻击检测后防御难、协议修改成本高等问题,本文提出基于物理ECU激活的确定性IDPS CANTXSec,可检测并防御FIA与SBA,实验实现两类攻击100%检测及FIA全部防御。
2025-05-14 cs.CR
Monitoring Decomposition Attacks in LLMs with Lightweight Sequential Monitors
New York University(纽约大学);École Polytechnique Fédérale de Lausanne(瑞士联邦理工学院)
针对大语言模型现有安全防御无法应对分解攻击的问题,构建了多场景分解攻击数据集验证攻击有效性,提出轻量级序列监控框架,实现高防御成功率且成本、延迟大幅降低,具备部署可行性。
2025-06-14 cs.AI cs.CR
A SDN-based Flexible System for On-the-Fly Monitoring and Treatment of Security Events
软件定义网络(SDN)范例将控制平面和数据平面合并,提供高可编程性和网络全局视图。然而,这是一个挑战,不仅提供这些下一代网络的安全性,以及允许网络攻击可能会受到事件和法医处理程序。本文提出了通过SDN控制器的可编程性来实现灵活的安全事件监控和处理机制,这些安全事件根据攻击类型进行分类,并与白名单和黑名单资源相关联。通过一个真实的SDN/OpenFlow测试床验证了执行入侵和攻击分析的资源。
2018-06-08 cs.CR cs.NI
Network Security Modeling using NetFlow Data: Detecting Botnet attacks in IP Traffic
网络安全,即对IP流量中恶意事件的安全监控,是一个统计学家基本上未探索的重要领域。计算机科学家在这一领域做出了重大贡献,他们使用统计异常检测和其他监督学习方法来检测特定的恶意事件。在这项研究中,我们调查僵尸网络命令和控制(C&C)主机在大量的IP流量的检测。我们使用NetFlow数据(IP流量监控的行业标准)进行探索性分析和提取新特征。使用统计以及深度学习模型,我们开发了一个统计入侵检测系统(SIDS),以预测与恶意攻击识别的流量轨迹。采用解释性机器学习技术,僵尸网络流量签名。这些模型成功检测到僵尸网络C&C主机和受损设备。通过将预测与已发布恶意IP地址的现有黑名单进行匹配,验证了结果。
2021-08-19 cs.CR
Illuminating the Black Box: Real-Time Monitoring of Backdoor Unlearning in CNNs via Explainable AI
Phenikaa University(范氏大学)
本文提出基于Grad-CAM的可解释AI框架,通过触发注意力比率度量和平衡卸载策略,有效降低CNN后门攻击成功率,同时保持高准确率。
2025-11-26 cs.CR
WPSE: Fortifying Web Protocols via Browser-Side Security Monitoring
我们提出了WPSE,浏览器端的Web协议的安全监视器,旨在确保符合预期的协议流,以及消息的机密性和完整性。我们正式证明,WPSE是足够的表达,以保护Web应用程序从广泛的协议实现错误和Web攻击。我们讨论了具体的攻击,可以防止WPSE OAuth 2.0和SAML 2.0,包括一个新的攻击谷歌实现的SAML 2.0,我们发现通过形式化的协议规范WPSE。此外,我们使用WPSE在野外对OAuth 2.0进行了广泛的实验评估。在90个测试网站中,我们发现了55个网站(61.1%)的安全漏洞,包括Facebook Pixel等跟踪库引入的新的关键漏洞,所有这些漏洞都可以通过WPSE修复。最后,我们发现WPSE在83个网站(92.2%)上可以正常工作,其中7个兼容性问题是由偏离OAuth 2.0规范的自定义实现引起的,其中一个引入了严重漏洞。
2018-06-24 cs.CR
Monitoring Security of Enterprise Hosts via DNS Data Analysis
企业网的规模和复杂性都在不断增长,需要以不同的方式保护异构连接资产。然而,几乎所有连接的资产都使用域名系统(DNS)进行地址解析,因此DNS已成为攻击者秘密执行命令和控制(C&C)通信、数据窃取和服务中断的方便工具。监控网络流量的企业安全设备通常允许所有DNS流量通过,因为它对于访问任何Web服务都至关重要;它们最多只能与已知恶意模式的数据库匹配,因此对零日攻击无效。本论文重点关注三种利用DNS的高影响力网络攻击,特别是数据泄露,恶意软件C&C通信和服务中断。使用从大学校园和政府研究机构收集的DNS网络流量的大数据(超过10 B数据包)超过6个月的时间,我们说明了这些攻击的解剖,训练机器自动检测此类攻击,并评估其在该领域的有效性。
2022-05-18 cs.CR cs.NI
Formal Synthesis of Monitoring and Detection Systems for Secure CPS Implementations
我们考虑的问题,以确保一个给定的控制回路实现的网络物理系统(CPS)中存在的人在中间的攻击,工厂和控制器之间的数据交换,在一个受损的网络。为此,存在为理论控制模型提供针对此类攻击的数学保证的各种检测方案。然而,这种保证可能不适用于实际的控制软件实施。在这篇文章中,我们提出了一个正式的方法来合成攻击检测器与不同的阈值,可以防止性能下降的隐形攻击,同时最大限度地减少误报。
2020-02-27 cs.CR cs.SY eess.SY
Bulwark: Holistic and Verified Security Monitoring of Web Protocols
现代Web应用程序通常依赖于第三方服务来向用户提供其功能。这些服务的安全集成是一项重要的任务,正如针对单点登录和收银员即服务协议的大量攻击所示。在本文中,我们提出了壁垒,一个新的自动工具,生成正式验证的安全监视器应用π演算规范的Web协议。Bulwark生成的安全监控器提供全面保护,因为它们可以随时部署在客户端和服务器端,从而确保针对Web协议的攻击面的完全可见性。我们通过测试一组使用OAuth 2.0协议或集成PayPal支付系统的易受攻击的Web应用程序来评估Bulwark的有效性。
2021-01-15 cs.CR
Low Cost Monitoring and Intruders Detection using Wireless Video Sensor Networks
为了以低成本检测入侵者,视频传感器网络在监控应用中的使用越来越受到关注。这种网络的基本问题是,是否有一个特定的目标可以通过或侵入监测区域而不被发现。这一问题对计算能力和电池电量较弱的无线视频传感器网络构成了严峻的挑战。在本文中,我们的目标是延长整个网络的生命周期,同时满足监控应用的需求。我们提出了一种新的调度算法,只有一个子集的视频节点的贡献显着检测入侵者和防止恶意攻击者预测入侵前的网络行为。我们的方法是基于混沌的,其中每个节点基于其最后一次检测,哈希值和一些伪随机数很容易计算出一个决策函数去睡眠或活动模式。我们通过理论分析验证了我们的方法的效率,并通过仿真证明了我们的调度算法的好处。结果表明,除了能够增加整个网络的生命周期,并提出对随机攻击(低隐身时间)的可比结果,我们的计划也能够抵御恶意攻击,由于其完全不可预测的行为。
2017-02-08 cs.CR
Efficient Privacy-Preserving Electricity Theft Detection with Dynamic Billing and Load Monitoring for AMI Networks
在高级计量基础设施(AMI)中,智能电表(SM)安装在消费者侧,定期向系统运营商(SO)发送细粒度的功耗读数,用于负载监控,能源管理,计费等。这些攻击不仅造成经济损失,而且还可能降低网格性能,因为读数用于网格管理。为了识别这些攻击者,现有的方案采用了使用消费者细粒度读数的机器学习模型,这通过暴露消费者的生活方式侵犯了他们的隐私。在本文中,我们提出了一个有效的方案,使SO检测电力盗窃,计算账单,并监测负载,同时保护消费者的隐私。该想法是SM使用函数加密来加密其读数,并且SO使用密文来(i)按照动态定价方法计算账单,(ii)监控电网负载,以及(iii)评估机器学习模型以检测欺诈性消费者,而不能够学习个体读数以保护消费者的隐私。我们采用了一种功能加密方案,以便将加密的读数汇总用于计费和负载监控,并且仅将汇总值透露给SO。此外,我们利用加密读数的内积运算来评估机器学习模型,以检测欺诈消费者。使用真实数据集对方案进行了评估,评估结果表明该方案是安全的,能够以较低的通信和计算开销准确地检测欺诈消费者。
2020-05-28 cs.CR
A Survey of Automatic Generation of Attack Trees and Attack Graphs
本文综述了攻击树与攻击图两类图形化安全模型的自动生成方法,比较现有方法论并指出挑战与未来研究方向。
2023-09-25 cs.CR
TraceGuard: Structured Multi-Dimensional Monitoring as a Collusion-Resistant Control Protocol
Independent Researchers(独立研究人员);Apart Research
本文提出TraceGuard,一种结构化多维监控协议,通过五个维度评估代理行为,结合LLM调用和启发式检测器,有效区分攻击与诚实行为,防止合谋攻击。
2026-04-05 cs.AI cs.CR
Secure and Efficient Privacy-preserving Authentication Scheme using Cuckoo Filter in Remote Patient Monitoring Network
随着智能医疗设备和系统的普遍进步,远程患者监护(RPM)网络在现代医疗系统中的潜力正在发展。医疗专业人员(医生、护士或医学专家)可以通过RPM网络访问有关患者的生命体征和敏感生理信息,并提供适当的治疗以提高生活质量。然而,RPM网络中通信的无线性质使得设计用于安全通信的有效机制具有挑战性。为了保证RPM网络的安全性,近年来提出了许多认证方案。医疗物联网(IoMT)使用假名、数字签名和认证密钥交换(AKE)协议来开发安全授权和隐私保护通信。然而,由于在医院云服务器上维护大量的密钥对或别名结果,传统的认证协议面临开销挑战。在这项研究工作中,我们确定了这一研究差距,并提出了一种新的安全和高效的隐私保护认证方案,使用布谷鸟过滤器的RPM网络。在我们提出的方案中使用布谷鸟过滤器提供了一种有效的方式,相互匿名认证和医疗专业人员和患者之间的秘密共享密钥建立过程。此外,我们使用基于相关性的异常检测模型来识别行为不端的传感器节点,以建立安全的通信。使用SPAN和AVISPA工具的安全性分析和正式的安全验证表明,我们提出的方案对消息修改攻击,重放攻击和中间人攻击的鲁棒性。
2022-11-07 cs.CR
Security in Monitoring Schemes: A Survey
随着分布式网络的可靠性不断提高,这种网络的安全性变得至关重要。在大规模的分布式网络中,一个高效、有效的监控方案变得至关重要。监控方案监督网络中的节点行为,并寻找任何差异。监控方案包括监控组件,这些组件一起工作以帮助方案满足网络的各种安全要求参数。这些安全参数通过操纵特定监控方案的监控组件的各种攻击被破坏,以产生错误的结果,从而降低网络的效率、可靠性和安全性。在本文中,我们讨论了这些组件的监测,多个监测计划,其安全参数和各种类型的攻击可能对这些监测组件通过操纵假设的监测计划。
2014-11-19 cs.CR cs.DC cs.NI
Introducing a New Alert Data Set for Multi-Step Attack Analysis
针对现有IDS告警数据集过时、不可靠且难以复现的问题,本文发布了一个包含三个IDS、八次多步攻击执行和正常行为模拟的新告警数据集,并通过告警优先级排序、元告警生成和攻击图提取实验验证其价值。
2023-08-24 cs.CR
A Query System for Efficiently Investigating Complex Attack Behaviors for Enterprise Security
应对高级持续性威胁(APT)攻击的需求导致了这样的解决方案:无处不在地监视每个企业主机中的系统活动,并对监视数据执行及时的攻击调查,以发现攻击序列。然而,现有的通用查询系统缺乏显式的语言结构来表达主要的攻击行为的关键属性,其语义不可知的设计往往会产生低效的执行计划的查询。为了解决这些限制,我们构建了AIQL,这是一种新型查询系统,采用新型特定于域的优化设计,以实现高效的攻击调查。AIQL提供(1)用于存储大量系统监控数据的特定于域的数据模型和存储,(2)特定于域的查询语言,攻击调查查询语言(AIQL),其集成了用于表达主要攻击行为的关键原语,以及(3)基于数据的特征和查询的语义的优化的查询引擎,以有效地调度执行。我们已经在NEC Labs America部署了AIQL,包括150台主机。在我们的演示中,我们的目标是通过以下方式展示AIQL的完整使用场景:(1)在受控环境中执行APT攻击,以及(2)使用AIQL通过查询包含攻击跟踪的收集的系统监控数据来调查此类攻击。观众将可以选择在我们的指导下自己执行APT攻击,并通过我们的Web UI发出查询和检查查询结果与系统进行交互并调查攻击。
2019-03-19 cs.CR cs.SE
Intell-dragonfly: A Cybersecurity Attack Surface Generation Engine Based On Artificial Intelligence-generated Content Technology
本文提出基于ChatGPT的网络安全攻击面生成引擎Intell-dragonfly,通过自动化生成多样化攻击场景,并在真实网络环境中验证其在准确性、多样性和可操作性上优于传统方法。
2023-11-01 cs.CR
Time Stamp Attack in Smart Grid: Physical Mechanism and Damage Analysis
电网中的许多操作,如故障检测和事件位置估计,依赖于精确的定时信息。提出了一种新的时间戳攻击方法来攻击智能电网中的定时信息。由于智能电网中的许多应用利用同步测量,并且大多数测量设备配备有用于精确定时的全球定位系统(GPS),因此通过欺骗GPS来攻击测量系统的可能性很高。通过相量测量单元(PMU)在智能电网中的输电线路故障检测、电压稳定监测和事件定位三个方面的应用,验证了TSA的有效性。
2012-01-12 cs.CR
Tikuna: An Ethereum Blockchain Network Security Monitoring System
Edenia(伊德尼亚公司);Sakundi(萨昆迪公司);Friedrich-Alexander-Universität Erlangen-Nürnberg(埃尔朗根-纽伦堡弗里德里希-亚历山大大学)
本文提出Tikuna,一个基于无监督LSTM的开源工具,用于早期监控和检测以太坊P2P网络攻击,实验证明其能高精度识别日蚀、隐蔽闪击等攻击,保障网络安全。
2023-10-13 cs.AI cs.CR cs.DC
zeek-osquery: Host-Network Correlation for Advanced Monitoring and Intrusion Detection
入侵检测系统(IDS)可以分析网络流量,以发现攻击和入侵的迹象。然而,加密通信限制了它们的可见性,并且复杂的攻击者还试图逃避它们的检测。为了克服这些限制,我们使用来自主机的额外数据扩展了网络IDS(NIDS)的范围。为此,我们提出了集成的开源zeek osquery平台,它将Zeek IDS与osquery主机监视器相结合。我们的平台可以大规模收集、处理和关联主机和网络数据,例如,将网络流归因于进程和用户。该平台可以灵活地扩展自己的检测脚本,使用已经相关的,但也有额外的和动态检索的主机数据。分布式部署使其能够随任意数量的osquery主机扩展。我们的评估结果表明,单个Zeek实例可以管理超过870个osquery主机,并可以实时将超过96%的TCP连接归因于主机端应用程序和用户。
2020-03-11 cs.CR
RecurGuard: Runtime Monitoring for Reasoning-Token Consumption Attacks
Department of Electrical & Computer Engineering(电气与计算机工程系);Rajshahi University of Engineering & Technology(拉贾克西希大学工程与技术学院)
RecurGuard通过监控推理轨迹的重复率、体积增长和查询进展三个信号,实时检测并阻止推理令牌消耗攻击,在DS-R1-Qwen-7B上对OverThink和ExtendAttack的检测率分别达99%和92%,且误报率接近零。
2026-06-06 cs.AI cs.CR
Secured Traffic Monitoring in VANET
车载自组织网络(VANEARTH)促进车辆与邻近车辆以及与路边单元(RSU)的无线通信。然而,网络中不准确信息的存在会导致流量畸变,并破坏任何流量监控系统的正常功能。因此,在恶意环境下,确定源自感兴趣区域(ROI)的广播消息的可信度至关重要。此外,涉及车辆的私人信息(如位置和速度)的隐私泄露可能导致严重后果,如未经授权的跟踪和伪装攻击。因此,我们提出了一种基于边缘云的隐私保护安全决策模型,该模型采用基于车辆数据(如GPS位置和速度)的启发式算法,在不同的交通场景(如拥堵)下从ROI中验证交通相关信息。所提出的模型的有效性已被验证使用VENTOS,SUMO和Omnet++模拟器,也通过使用模拟云环境。我们比较我们提出的模型,现有的基于对等的身份验证模型,多数投票模型,和基于声誉的系统在不同的攻击场景。我们表明,我们的模型是能够有效地过滤恶意车辆,并提供准确的交通信息的存在下,至少有一个非恶意车辆的ROI。
2020-07-27 cs.CR
Time Synchronization Attack in Smart Grid-Part I: Impact and Analysis
电网中的许多操作,如故障检测和事件位置估计,依赖于精确的定时信息。提出了一种新的时间同步攻击算法(TSA),用于攻击智能电网中的时间信息。由于智能电网中的许多应用利用同步测量,并且大多数测量设备配备有用于精确定时的全球定位系统(GPS),因此通过欺骗GPS来攻击测量系统的可能性很高。通过相量测量单元(PMU)在智能电网中的输电线路故障检测、电压稳定监测和事件定位三个方面的应用,验证了TSA的有效性。数值仿真结果表明了TSA的有效性。
2012-04-02 cs.CR
Stateful Online Monitoring Catches Distributed Agent Attacks
University of Pennsylvania(宾夕法尼亚大学);Carnegie Mellon University(卡内基梅隆大学)
针对分布式智能体攻击中跨账户聚合的恶意行为难以被单上下文监控检测的问题,提出一种基于实时聚类的有状态在线监控方法,能够更早、更有效地捕获分布式攻击,同时保持低延迟。
2026-05-29 cs.AI cs.CR
Reasoning-Style Poisoning of LLM Agents via Stealthy Style Transfer: Process-Level Attacks and Runtime Monitoring in RSV Space
college of computer science, National University of Defense Technology(计算机科学学院,国防科技大学)
本研究提出推理风格污染攻击,通过隐蔽方式改变LLM代理的推理风格,导致性能下降并绕过内容过滤,提出运行时监控方法应对该漏洞。
2025-12-16 cs.AI cs.CR
It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation
针对攻击图生成慢、难支持实时分析和网络动态变化的问题,本文提出分析查询驱动并引导生成的可扩展框架,实现生成完成前的实时统计分析。
2024-09-09 cs.CR
How to Generate Security Cameras: Towards Defence Generation for Socio-Technical Systems
最近,安全研究人员开始研究从社会技术系统模型自动生成攻击树。自动化风险分析趋势的下一步显然是自动选择安全控制来处理检测到的威胁。然而,现有的社会技术模型过于抽象,无法代表从业者和标准推荐的所有安全控制。在本文中,我们提出了一个攻击-防御模型,由一组攻击-防御束,生成和维护的社会技术模型。攻击-防御捆绑包可用于直接从模型合成攻击-防御树,以提供基本的攻击-防御分析,但它们也可用于选择和维护模型本身无法处理的安全控制。
2015-09-02 cs.CR
AI-based Attack Graph Generation
针对网络规模扩大导致攻击图生成耗时的问题,提出基于编码器-解码器架构和强化学习算法的AI模型,能在短时间内生成接近最优的攻击图,实验验证了其学习效果并优于传统方法。
2023-11-27 cs.CR
On Security Research Towards Future Mobile Network Generations
在过去的几十年里,所有三代活跃的移动网络中的许多安全和隐私问题已经被揭示出来,威胁着用户和网络提供商。鉴于目前正在开发的最新一代(5G),我们现在有独特的机会根据现有的安全和隐私问题以及已经提出的防御措施来确定下一代的研究方向。本文的目的是统一的移动电话网络的安全知识到一个全面的概述,并得出紧迫的开放的研究问题。为了系统地实现这一目标,我们开发了一种方法,该方法根据攻击的目的、拟议的防御措施、根本原因和根本原因对已知攻击进行分类。此外,我们还评估了每次攻击和防御的影响和功效。然后,我们将这种方法应用到现有的文献中的攻击和防御在所有三代网络。通过这样做,我们确定了攻击的十个原因和四个根本原因。将攻击映射到针对5G规范的拟议防御和建议,使我们能够发现下一代移动网络开发的开放研究问题和挑战。不安全的预认证流量和干扰攻击的问题存在于所有三代移动设备中。未来应该解决这些问题,特别是消除降级攻击,从而加强用户的隐私。在运营商间协议以及安全基带实现方面需要进一步的进步。此外,缓解拒绝服务攻击的智能协议设计代表了一个开放的研究问题。
2018-03-06 cs.CR
Multidimensional Network Monitoring for Intrusion Detection
提出了一种基于协议参数的数值时变函数的实时网络监控方法。将复杂系统理论应用于网络信息流分析,将网络信息流描述为10-12维的多维参数时间空间中的轨迹。通过应用理论物理和复杂系统理论的方法合成网络流量描述,为检测已知入侵的网络监控提供了一种鲁棒的方法,并支持开发用于检测未知入侵的真实系统。提出的数据分析和模式识别方法是自动入侵检测系统在侦察阶段检测攻击的技术研究基础。
2002-06-13 cs.CR
Retrofitting Applications with Provenance-Based Security Monitoring
数据来源是检测和预防网络攻击的重要工具,可以深入了解可疑事件的性质。例如,管理员可以使用出处来识别数据泄漏的肇事者,跟踪入侵后攻击者的行为,甚至控制组织内的出站数据流。不幸的是,为复杂的异构软件部署提供相关数据出处是具有挑战性的,需要对许多应用程序组件进行繁琐的插装,以及用于在组件之间聚合信息的统一架构。在这项工作中,我们提出了一个技术组合,使负担得起的和整体的出处功能,复杂的应用程序的工作流程,特别考虑到Web服务的范例域。我们提出了DAP,一个透明的体系结构,用于捕获Web服务组件的详细数据出处。我们的方法利用了一个关键的见解,即可以利用开放协议的最小知识来提取精确和有效的出处信息,通过插入应用程序组件的通信,授予DAP与现有Web服务的兼容性,而不需要仪器或开发人员的合作。我们展示了如何使用我们的系统来实时的监控系统入侵或检测数据泄露攻击,同时对Web请求施加小于5.1 ms的端到端开销。通过引入垃圾回收优化,DAP能够监视系统活动,而不会承受过多的存储开销。因此,DAP不仅可以作为一个出处感知的Web框架,而且可以作为复杂应用程序工作流程的出处功能的非侵入性部署的案例研究。
2016-09-01 cs.CR