Semisupervised Adversarial Neural Networks for Cyber Security Transfer Learning
Commonwealth Computer Research, Inc.(联邦计算机研究公司)
在建立一个全球网络安全框架的道路上,每个企业都分享有关恶意行为的信息,出现了一个重要的问题。如果每个网络的良性流量和恶意流量分布差异很大,那么如何使用表征一个网络上的网络攻击的机器学习表示来检测其他企业网上的类似攻击?我们解决这个问题,通过比较天真地跨网络域传输模型和使用CORrelation ALignation的结果,我们的新的对抗性暹罗神经网络。我们提出的模型通过对抗性方法学习对每个网络的特殊性更具不变性的攻击表示。它使用一个简单的排名损失,优先标记最令人震惊的恶意事件正确超过平均准确性。这适用于驱动警报分类工作流,其中分析师只有时间检查模型排名最高的前几个事件。在准确性方面,当在一个数据集上训练的模型在另一个数据集上评估前100个事件时,其他方法完全无法检测到任何恶意事件。然而,这里提出的方法检索了相当大比例的恶意事件,代价是对抗建模中的一些训练不稳定性。我们使用2个公开可用的网络数据集来评估这些方法,并建议未来的研究领域。
2019-07-25 cs.CR cs.LG cs.NE
Federated and Transfer Learning: A Survey on Adversaries and Defense Mechanisms
University of Windsor(温莎大学)
联邦学习的出现促进了机器学习模型之间的大规模数据交换,同时保持了隐私。尽管它的历史很短,但联邦学习正在迅速发展,使其更广泛地使用。该领域最重要的进步之一是将迁移学习纳入联邦学习,这克服了主要联邦学习的基本限制,特别是在安全性方面。本章从安全的角度对联邦学习和迁移学习的交叉点进行了全面的调查。本研究的主要目标是发现可能损害使用联邦和迁移学习的系统的隐私和性能的潜在漏洞和防御机制。
2022-07-05 cs.AI cs.CR cs.CV
TinyFedTL: Federated Transfer Learning on Tiny Devices
Harvard University(哈佛大学)
TinyML在一个数据无处不在的时代变得越来越受欢迎。然而,需求最大的数据受到严格的隐私和安全保证。此外,TinyML硬件在现实世界中的部署具有传统ML无法解决的显著内存和通信限制。鉴于这些挑战,我们提出了TinyFedTL,这是在资源受限的微控制器上首次实现联邦迁移学习。
2021-10-03 cs.DC cs.LG
Predicting US State-Level Agricultural Sentiment as a Measure of Food Security with Tweets from Farming Communities
Stanford University(斯坦福大学)
在相关数据可能稀少的发展中地区,获得准确的粮食安全指标的能力对于负责实施粮食援助计划的政策制定者至关重要。因此,大量的工作致力于预测重要的粮食安全指标,如使用各种方法,包括模拟,遥感,天气模型和人类专家输入的年度作物产量。作为对现有作物产量预测技术的补充,这项工作开发了神经网络模型,用于预测来自农业社区的Twitter消息的情绪。具体来说,我们研究了在农业相关推文的小数据集上进行直接学习的潜力,以及从其他领域(例如,政治)来准确预测农业情绪,我们希望这最终将成为一个有用的作物产量预测器。我们发现,从小的相关数据集直接学习优于从大的完全标记的数据集迁移学习,卷积神经网络在Twitter情感分类上广泛优于递归神经网络,并且这些模型在实际设置的三元情感问题上的表现远不如文献中常见的二元问题。
2019-04-25 cs.CL cs.LG cs.SI
Defense Against the Dark Arts: An overview of adversarial example security research and future research directions
本文总结了IEEE安全与隐私2018年深度学习安全研讨会的主题演讲。本讲座总结了对抗性示例防御的最新技术水平,并为该主题的未来研究方向提供了建议。
2018-06-11 cs.AI cs.CR cs.LG
On the security and privacy of Interac e-Transfers
如今,Interac电子转账是加拿大消费者最重要的远程支付方式之一。据我们所知,本文是第一次研究Interac电子转账的隐私和安全性。实验结果表明,通过电子邮件和短信发送给客户的通知包含敏感的私人信息,可能会被第三方观察。任何有非法意图的人都可以使用这些信息进行攻击,包括欺诈性地重定向标准电子转账。这种攻击至少在实验设置中是可能的,但在现实中也可能。最近的新闻文章支持这一发现。改进,以克服这些相互关联的隐私和安全问题的建议和讨论。
2019-12-12 cs.CR
Comparative Analysis of AI-Driven Security Approaches in DevSecOps: Challenges, Solutions, and Future Directions
本研究通过系统文献综述比较了DevSecOps中AI驱动的安全解决方案,评估其技术能力、实施挑战与运营影响,揭示了实证验证等方面的研究空白,并提出了优化AI安全框架的最佳实践与未来方向。
2025-04-27 cs.CR
Model-based Cybersecurity Analysis: Past Work and Future Directions
基于模型的网络安全评估有着悠久的历史。攻击图(AG)和攻击树(AT)是早期开发的用于网络安全分析的图形安全模型。然而,它们具有局限性(例如,可扩展性问题、状态空间爆炸问题等)并且缺乏捕获其它安全特征的能力(例如,对策)。为了解决这些局限性并应对各种安全功能,开发了一种名为攻击对策树(ACT)的图形化安全模型,通过考虑攻击和对策来执行安全分析。在我们的研究中,我们已经开发了不同的层次化图形安全模型的变体,以解决系统的安全分析中涉及的安全模型的复杂性,动态性和可扩展性问题。在本文中,我们总结和分类的安全模型分为以下几种:基于图的,基于树的,和混合的安全模型。我们讨论了分层攻击表示模型(HARM)的开发以及HARM的不同变体,其应用以及在各种领域(包括物联网(IoT),云,软件定义网络和移动目标防御)中的可用性。我们提供了安全度量的分类,包括它们的讨论。最后,我们强调了存在的问题,并提出了未来的研究方向,在该地区的图形安全模型和应用程序。通过这项工作,决策者可以了解哪种类型的HARM适合其网络或安全分析要求。
2021-05-24 cs.CR
RFID Security Using Lightweight Mutual Authentication And Ownership Transfer Protocol
近年来,射频识别技术已进入主流应用,有助于加快制成品和材料的处理。RFID标签分为两类:有源和无源。有源标签需要一个电源,这就是为什么它的成本高于无源标签。然而,低成本的RFID标签在安全性和隐私性方面面临着新的挑战。一些解决方案利用昂贵的加密原语,例如散列或加密函数,并且一些轻量级方法已被报告为不安全。本文描述了一个轻量级的相互认证和所有权转移协议,利用最低限度的密码使用物理不可克隆功能(PUF)和线性反馈移位寄存器(LFSR)。PUF和LFSR在硬件上非常有效,特别适合于低成本的RFID标签。为了在低成本RFID标签中发挥安全性,最小门要求是2000个门。使用PUF和LFSR函数实现安全协议仅需要大约800个门。在本文中,它解释了我们如何可以认证和低成本的RFID标签的所有权安全地使用LFSR和PUF相比,现有的解决方案的基础上哈希函数。
2012-07-11 cs.CR
Security and Privacy in Big Data Sharing: State-of-the-Art and Research Directions
大数据共享(Big Data Sharing,BDS)是指数据所有者共享数据,使用户能够根据协议查找、访问和使用数据的行为。近年来,由于其广泛的应用,例如大数据交易和跨域数据分析,BDS已经成为一个新兴的话题。然而,由于BDS平台涉及多方,因此出现了安全和隐私侵犯问题。已经有许多解决方案用于在不同的大数据操作中增强安全性和保护隐私(例如,数据操作、数据检索、数据共享和数据外包)。据我们所知,目前还没有专门针对这些安全和隐私解决方案的广泛和系统性发展的调查。在这项研究中,我们对为解决BDS中的安全和隐私问题而引入的最先进的解决方案进行了全面调查。为了更好地理解,我们首先介绍了BDS的一般模型,并确定了安全和隐私要求。我们根据确定的要求讨论和分类最先进的BDS安全和隐私解决方案。最后,基于所获得的见解,我们提出并讨论了新的有前途的研究方向。
2022-10-17 cs.CR
Privacy-preserving Graph Analytics: Secure Generation and Federated Learning
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Arizona State University(亚利桑那州立大学)
直接从国土安全企业的安全相关的应用程序的动机,我们专注于图数据的隐私保护分析,它提供了重要的能力来表示丰富的属性和关系。特别是,我们讨论了两个方向,即隐私保护图生成和联邦图学习,这可以共同实现每个拥有私有图数据的多方之间的协作。对于每一个方向,我们都确定了“速赢”和“难题”。最后,我们展示了一个用户界面,可以促进模型的解释,解释和可视化。我们相信,在这些方向上开发的技术将大大提高国土安全企业应对和减轻各种安全风险的能力。
2022-06-30 cs.CR cs.LG
Multipath Routing of Fragmented Data Transfer in a Smart Grid Environment
本文的目的是对智能电网内部现有的通信方式、存在的安全漏洞及其对策进行综述。然后,我们提出了一个详细的对策,建立在基于Jigsaw的安全数据传输[8],以增强智能电网通信系统内部数据流的安全性。这篇论文没有考虑智能电网内部各种安全技术之间的任何不可操作性因素
2014-12-31 cs.CR
More Robust Multiparty Protocols with Oblivious Transfer
通过不经意传输,即使在存在错误的大多数的情况下,多方协议也成为可能。但所有已知的协议都可以被一个破坏者中止。本文提出了更健壮的解决方案,多方协议的不经意传输。这种对破坏者的额外鲁棒性削弱了协议的安全性和对结果正确性的保证。我们可以观察到健壮性与安全性和正确性之间的权衡。给出了量子多方协议的一个应用。这些允许实现不经意传输和本文的协议相对于临时假设,即,在协议终止之后安全性增加。
2001-06-22 cs.CR
Software-Defined Network (SDN) Data Plane Security: Issues, Solutions and Future Directions
软件定义网络(SDN)通过将网络逻辑与底层转发设备解耦,从根本上改变了网络架构。这种架构变化使网络层恢复了活力,从而实现了网络的集中管理和可重新编程性。从安全的角度来看,SDN将安全问题分为控制平面和数据平面,这种架构重组带来了令人兴奋的机遇和挑战。总体看法是,SDN功能最终将提高安全性。然而,在其原始形式下,SDN可能会使网络更容易受到攻击,更难保护。在本文中,我们将重点关注SDN数据面安全所面临的挑战-这是该技术中探索最少但最关键的组件之一。我们将这个问题空间形式化,识别潜在的攻击场景,同时突出可能的漏洞,并建立一组要求和挑战,以保护SDN的数据平面。此外,我们对现有的解决方案进行了调查,以确定威胁,确定其局限性,并提供未来的研究方向。
2018-04-01 cs.CR
Backscattering-Based Security in Wireless Power Transfer Applied to Battery-Free BLE Sensors
本文提出将基于反向散射的安全机制集成到无电池BLE无线传感器网络中,利用无线电力传输链路在不增加能耗的前提下生成识别信号,并验证其在结构健康监测等尺寸受限场景中的可行性与可扩展性。
2025-07-17 cs.CR
Jigsaw-based Security in Data Transfer in Computer Networks
本文提出了一种新的无干扰算法来提高网络数据传输的安全性。该算法使用直观简单的“拼图”思想,将转换后的数据分解为多个部分,这些部分构成拼图的各个部分。然后将这些部分打包成数据包并发送给接收方。提供了一种安全和有效的机制来传送在接收端从分组中的原始数据部分获得原始数据所需的信息,即,用于解决“拼图”。该算法的目的是提供信息理论(即,无条件)的安全性,通过使用一次一密的计划,使没有中间或非故意的节点可以获得整个数据。认证码也用于确保每个数据包的真实性。
2004-05-17 cs.CR
Information Security Strategy in Organisations: Review, Discussion and Future Research Directions
近年来,对信息的依赖迅速增长,包括一些世界上最大的组织,如政府和跨国公司。然而,有关信息安全漏洞及其相关后果的报告继续表明,在进行这些基于信息的活动时,对组织的攻击仍在升级。显然,需要更多的研究来更好地了解组织应该如何制定策略来保护他们的信息。通过对学术安全文献的专题回顾,我们(1)分析了促使潜在采用全面信息安全战略的先决条件,(2)战略的当前观点和(3)采用后可以享受的收益和好处。我们的贡献包括信息安全战略的定义。我们主张一个范式的转变,从内部为重点的保护组织范围内的信息向战略观点,认为组织间的水平。然后,我们的研究结果被用来建议未来的研究方向。
2016-06-11 cs.CR cs.CY
Machine and Deep Learning for IoT Security and Privacy: Applications, Challenges, and Future Directions
Institute of Information and Communication Technology (IICT), Bangladesh University of Engineering and Technology (BUET)(孟加拉国工程技术大学信息与通信技术研究所)
物联网(IoT)的集成将许多智能设备连接起来,最大限度地减少了人为干扰,可以相互交互。物联网正在计算机科学领域迅速兴起。然而,部署此类计划所涉及的多学科元素和物联网系统的交叉设计带来了新的安全问题。无效的是安全协议的实施,即,物联网系统的认证、加密、应用程序安全和接入网络以及它们在安全方面的基本弱点。当前的安全方法也可以得到改进,以有效保护物联网环境。近年来,深度学习(DL)/机器学习(ML)在各种关键实现中取得了显著进展。因此,DL/ML方法对于将物联网系统保护从简单地实现物联网系统之间的安全联系转变为安全的智能系统至关重要。本文旨在对ML系统进行广泛的分析,并对DL方法的最新发展进行分析,以改进增强的物联网设备保护方法。另一方面,物联网证券在机器和深度学习方面的各种新见解说明了它如何帮助未来的研究。识别与新兴或基本威胁相关的物联网保护风险,以及未来的物联网设备攻击和与每个表面相关的可能威胁。然后,我们仔细分析了DL和ML物联网保护方法,并介绍了每种方法的优点、可能性和弱点。本次审查讨论了一些潜在的挑战和局限性。还包括DL/ML在物联网安全中的未来工作,建议和建议。
2022-10-24 cs.CR cs.LG cs.NI
A Comprehensive Survey on the Cyber-Security of Smart Grids: Cyber-Attacks, Detection, Countermeasure Techniques, and Future Directions
University of North Dakota(北达科他大学)
智能电网网络面临的一个重大挑战是网络安全。已进行了几项研究,以突出这些安全挑战。然而,大多数调查都是根据安全要求、机密性、完整性和可用性对攻击进行分类,而没有考虑问责制要求。此外,其中一些调查侧重于传输控制协议/互联网协议(TCP/IP)模型,该模型没有区分开放系统互连(OSI)模型的应用程序、会话和表示以及数据链路和物理层。在这篇调查论文中,我们提供了一个基于OSI模型的攻击分类,并更详细地讨论了针对智能电网网络通信不同层的网络攻击。我们还提出了新的分类的检测和对策技术,并在每个类别下描述现有的技术。最后,我们讨论了挑战和未来的研究方向。
2022-06-22 cs.AI cs.CR
Composable Security in the Bounded-Quantum-Storage Model
我们提出了一个简化的框架,证明顺序的可组合性在量子设置。特别是,我们给出了一个新的,基于模拟的,在有界量子存储模型的安全性的定义,并表明,这个定义允许顺序组成的协议。Damgard等人(FOCS '05,WPTO'07)展示了如何在有界量子存储模型中安全地实现比特承诺和不经意传输,其中对手只允许存储有限数量的量子比特。然而,他们的安全定义仅适用于独立设置,并且不清楚他们的协议是否可以组合。事实上,我们首先给出了一个简单的攻击,表明这些协议是不可组合的,没有一个小的改进模型。最后,我们证明了他们的随机不经意传输协议在我们的改进模型的安全性。不经意传输和比特提交的安全实现,然后很容易遵循一个(经典的)减少随机不经意传输。
2007-09-04 cs.CR quant-ph
Task Offloading in Fog Computing with Deep Reinforcement Learning: Future Research Directions Based on Security and Efficiency Enhancements
本文综述并展望深度强化学习在雾计算任务卸载中的应用,提出融合区块链与节能模型,以提升效率、安全性及物联网系统性能。
2024-07-26 cs.CR
Towards Cyber Security for Low-Carbon Transportation: Overview, Challenges and Future Directions
本综述从全局视角探讨低碳交通的网络安全问题,分类典型攻击风险,从数据、网络管理与应用安全角度回顾防御技术,并提出未来研究方向。
2023-05-24 cs.CR cs.IT math.IT
On the Composability of Statistically Secure Random Oblivious Transfer
我们表明,独立的统计安全的随机不经意传输协议的基础上两方无状态原语是统计普遍组合。也就是说,它们是可模拟的安全与无限的对手,无限的模拟器和无限的环境机器。我们的研究结果意味着,以前的几个不经意传输协议在文献中被证明是安全的较弱的,不可组合的安全定义下,实际上可以用于任意统计安全的应用程序,而不会降低安全性。
2018-08-30 cs.CR
Federated Large Language Models: Feasibility, Robustness, Security and Future Directions
National University of Defense Technology(国防科技大学)
本文综述联邦大语言模型(FLLM)研究,从可行性、鲁棒性、安全性与未来方向梳理挑战、防御方法及少样本学习等方向。
2025-05-13 cs.AI cs.CR
Security and Privacy for Low Power IoT Devices on 5G and Beyond Networks: Challenges and Future Directions
本文全面调查了5G及未来网络中低功耗IoT设备的安全与隐私问题,通过文献综述确定了影响下一代网络IoT安全的五个关键领域,并提出了未来研究机会。
2023-04-03 cs.CR
Blockchain Based Information Security and Privacy Protection: Challenges and Future Directions using Computational Literature Review
针对区块链信息安全与隐私保护文献激增导致人工分析困难的问题,采用计算文献综述(CLR)和LDA技术识别10个相关主题,揭示现有局限并提出未来研究方向。
2024-09-22 cs.CR
Security and Privacy in Large-Model-Driven Embodied Agents: Attacks, Defenses, and Future Directions
Xidian University(西安电子科技大学)
本综述基于生命周期五阶段框架,系统分析大模型驱动的具身智能体面临的安全与隐私攻击、防御及评估方法,揭示端到端保护与现实评估的差距,并指出未来关键研究方向。
2026-09-24 cs.CR
Quantum Cryptography for Enhanced Network Security: A Comprehensive Survey of Research, Developments, and Future Directions
该综述梳理了20篇量子密码领域顶会顶刊论文,分类介绍了量子密钥分发等方向的研究进展、趋势与挑战,为增强网络安全提供了研究全景。
2023-06-02 cs.CR
Microservices in IoT Security: Current Solutions, Research Challenges, and Future Directions
近年来,物联网(IoT)技术在不同的重要领域(包括医疗保健,教育,农业,能源管理等)中出现了多种智能应用,物联网旨在通过互联网将多个智能设备(如传感器,监控系统和智能家电)互连,以控制,存储,交换和分析收集的数据。物联网环境中的主要问题是,它们可能存在潜在的漏洞,被恶意用户非法访问,这威胁到收集数据的安全和隐私。为了面对这个问题,最近已经使用基于微服务的架构进行了一些工作,以最大限度地减少与物联网数据相关的安全威胁和攻击。通过使用微服务,这些作品提供了可扩展,可重用和可重新配置的安全功能。在本文中,我们的目标是提供一个关于基于微服务的方法来保护物联网应用程序的调查。该调查将帮助从业者了解物联网安全领域持续存在的挑战,并探索新的和有前途的研究机会。据我们所知,本文是第一份调查使用微服务技术保护物联网应用的调查。
2021-05-17 cs.CR cs.SE
Federated Learning in Healthcare: Model Misconducts, Security, Challenges, Applications, and Future Research Directions -- A Systematic Review
Islamic University(伊斯兰大学);University of Oklahoma(俄克拉荷马大学);Government College of Applied Human Science(应用人文科学政府学院);IIIT Delhi(德里印度信息技术学院)
本系统综述评估了联邦学习在医疗保健中的应用,分析了模型安全实践、挑战及应用,并指出了提升数据隐私和扩展应用范围的未来研究方向。
2024-05-22 cs.AI cs.CR cs.LG
Achieving Security and Privacy in Federated Learning Systems: Survey, Research Challenges and Future Directions
Universitat Rovira i Virgili(罗维拉-维尔吉利大学);Universitat Oberta de Catalunya (UOC)(加泰罗尼亚开放大学);Europe Cloud Service Competence Center, Huawei Technologies Oy (Finland) Co. Ltd(华为技术(芬兰)有限公司欧洲云服务能力中心)
联邦学习(FL)允许服务器跨多个分散的客户端学习机器学习(ML)模型,这些客户端私有地存储它们自己的训练数据。与集中式ML方法相比,FL将计算节省到服务器,并且不需要客户端将其私有数据外包给服务器。然而,FL并非没有问题。一方面,客户端在每个训练时期发送的模型更新可能会泄露客户端私有数据的信息。另一方面,服务器学习的模型可能会受到恶意客户端的攻击;这些安全攻击可能会毒害模型或阻止它收敛。在本文中,我们首先研究安全和隐私攻击FL和批判性调查文献中提出的解决方案,以减轻每一种攻击。之后,我们讨论了同时实现安全性和隐私保护的困难。最后,我们概述了解决这个开放问题并实现安全性和隐私性的方法。
2020-12-12 cs.AI cs.CR
Transferable Self-Evolving Playbooks for Agentic Security Auditing
The University of Sydney(悉尼大学);University of Warwick(华威大学);UC Berkeley RDI(加州大学伯克利分校研发学院)
提出EvoHunt框架,通过审计、评估和修订三个智能体循环演化空剧本,自动生成安全审计程序知识,开源演化可超越商业产品,且演化后的剧本可迁移至弱智能体提升其能力。
2026-06-16 cs.CR
Sok: Comprehensive Security Overview, Challenges, and Future Directions of Voice-Controlled Systems
Wuhan University(武汉大学)
本研究针对语音控制系统(VCS)安全缺乏系统审视的问题,提出分层模型结构,分类攻击并评估防御机制,为设计者提供安全增强建议并奠定未来研究方向。
2024-05-27 cs.CR cs.SD eess.AS
Medical Image Watermarking using 2D-DWT with Enhanced security and capacity
远程放射学使医学图像能够在计算机网络上传输,用于许多目的,包括临床解释、诊断、存档等。在远程医疗中,可以在传输时操纵医学图像。此外,立法规则具体规定了医疗信息安全要求,有关实体必须遵守这些要求。在本研究中,我们提出了一种新的方案,基于二维离散小波变换(2D DWT),以提高医学图像的鲁棒性和认证。此外,本研究还通过对医学图像进行加密和压缩,提高了医学图像水印的安全性和容量。对个人数据集进行评价,其中包含194例CTI和68例MRI病例。
2017-03-16 cs.CR cs.MM
Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions
Huazhong University of Science and Technology(华中科技大学)
本文系统研究模型上下文协议(MCP)的架构与安全,定义服务器生命周期和威胁分类,提出针对性安全措施,并分析现状与未来方向。
2025-10-07 cs.AI cs.CR
Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
近年来,机器学习算法,更具体地说,深度学习算法,已经广泛应用于包括网络安全在内的许多领域。然而,机器学习系统容易受到对抗攻击,并且这限制了机器学习的应用,特别是在非静止的对抗性环境中,诸如网络安全领域,其中实际的对手(例如,恶意软件开发者)存在。本文全面总结了针对基于机器学习技术的安全解决方案的对抗攻击的最新研究,并说明了它们带来的风险。首先,对抗攻击方法的特点是基于他们的发生阶段,攻击者的目标和能力。然后,我们分类的对抗攻击和防御方法在网络安全领域的应用。最后,我们强调了最近研究中发现的一些特征,并讨论了其他对抗性学习领域的最新进展对网络安全领域未来研究方向的影响。本文首次讨论了在网络安全领域实施端到端对抗攻击的独特挑战,将其映射到统一的分类中,并使用分类突出未来的研究方向。
2021-03-13 cs.CR cs.LG stat.ML
Online Advertising Security: Issues, Taxonomy, and Future Directions
在线广告已经成为互联网经济的支柱,通过革命性的商业营销。它为广告商提供了一种简单而有效的方式来向特定的个人用户展示广告,在过去的几年里,它为几家基于网络的企业的收入流带来了爆炸式的增长。例如,谷歌的广告收入在2016年至2018年期间增长了51.6%,达到1368亿美元。广告收入的这种指数增长促使欺诈者利用在线广告模式的弱点来赚钱,研究人员发现模型中新的安全漏洞,提出对策并预测未来的研究趋势。出于这些考虑,本文提出了一个全面的审查的安全威胁在线广告系统。我们首先介绍在线广告系统的动机,解释它与传统广告网络的不同之处,介绍术语,并定义当前的在线广告架构。然后,我们设计了一个全面的分类网络广告的攻击,以提高研究人员对网络广告生态系统的脆弱性的认识。我们讨论的局限性和有效性的对策,已开发的广告生态系统中的实体对这些攻击的安全。为了完成我们的工作,我们确定了一些开放的问题,并概述了一些可能的方向,为未来的研究,以提高在线广告系统的安全方法。
2021-10-05 cs.CR cs.SI
Survey on security issues in file management in cloud computing environment
本文综述了云计算环境中文件管理面临的安全问题,重点分析可用于云内部及跨云安全文件传输的多种协议,并探讨各协议的实际影响。
2015-06-20 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
Security and Privacy in Agentic AI: Grand Challenges and Future Directions
King’s College London(伦敦国王学院);Jönköping University(琼斯平大学);Universitat Politècnica de València(巴塞罗那理工大学);Inria(法国国家信息与自动化技术研究所);IBM Research(IBM研究院);Aalto University(阿尔托大学);INGENIO (CSIC–Universitat Politècnica de València)(INGENIO(西班牙国家科研委员会-巴塞罗那理工大学));IMDEA Networks(IMDEA网络研究所);University of Basel(巴塞尔大学);Dutch Data Protection Authority (AP)(荷兰数据保护局);University of Strathclyde(斯特拉斯克莱德大学);Universitat Rovira i Virgili(罗维拉-维古利大学);University of Bristol(布里斯托大学);University of Dundee(邓迪大学)
探讨智能体人工智能安全与隐私关键挑战及未来方向,通过汇聚30位国际专家的视野扫描活动,针对人工智能增长带来的新风险展开讨论与协作。
2026-07-29 cs.AI cs.CR cs.HC
UC Secure Issuer-Free Adaptive Oblivious Transfer with Hidden Access Policy
当频繁的交易以电子方式进行时,隐私是设计任何加密原语时的主要关注点。在电子交易过程中,人们将他们的个人数据透露给几个服务器,并相信这些信息不会泄露太多关于他们的信息。具有隐藏访问策略的自适应不经意传输(AOT-HAP)针对这样的隐私问题采取措施。现有的AOT-HAP涉及一个发送者和多个接收者,除了指定的发行者之外。这些方案的安全性依赖于这样一个事实,即发行者不能与一组接收者合谋。此外,当在并发执行期间与多个协议实例一起运行时,它们会失去安全性。我们提出了第一个无发行人的AOT-HAP在通用组合(UC)框架中,该协议是安全的,即使是相互组成或与其他协议。假设UC模型中q-强Diffie-Hellman(SDH)、决策线性(DLIN)和决策双线性Diffie-Hellman(DBDH)问题对恶意攻击者的安全性,给出了具体的安全性分析.此外,该协议优于现有的类似计划。
2017-11-29 cs.CR
A Comprehensive Overview of Large Language Models (LLMs) for Cyber Defences: Opportunities and Directions
本文综述了大型语言模型在网络防御中的应用,分类涵盖威胁情报、漏洞评估等七大领域,分析了从Transformer到GPT的演进、各领域优劣、挑战及未来研究方向。
2024-05-23 cs.CR
Quantifying Jitter Transfer for Differential Measurement: Enhancing Security of Oscillator-Based TRNGs
本文提出一种改进方法,通过重新审视“抖动传递原理”并结合调整后的振荡器TRNG设计,在保持差分测量精度的同时获取单个振荡器的抖动参数,从而提高多环振荡器TRNG的熵率测量可靠性,增强安全性。
2024-10-10 cs.CR math.ST stat.CO
On the Security and Privacy of Federated Learning: A Survey with Attacks, Defenses, Frameworks, Applications, and Future Directions
Department of Computer, Control and Management Engineering, Sapienza University of Rome(计算机、控制与管理工程系,罗马萨皮恩扎大学)
本文综述了200余篇联邦学习安全与隐私研究,系统分类攻击与防御机制,分析隐私、安全与性能的权衡及非IID数据影响,并指出未来研究方向。
2025-08-19 cs.AI cs.CR cs.DC
Development of a Window Based Security System for Electronic Data Interchange
电子数据交换(EDI)是用于商业用途的计算机系统之间的标准化文档交换。这项研究的目的是使电子数据交换安全使用,并消除人为干预的数据传输之间的业务伙伴,使生产力和效率可以提高,并促进其使用之间的两个或两个以上的贸易组织。本文通过描述商业环境中交换信息的传统问题以及EDI如何解决这些问题并为使用EDI的公司带来好处来概述EDI。本文还介绍了常见的EDI标准,并解释了它的工作原理,如何在互联网上使用和实施的安全措施。在对现有EDI方法进行深入研究的基础上,采用VB.Net程序设计语言实现了该系统,并在局域网和广域网上运行。最后,开发了一个处理文件传输的交互式程序,特别注意从一个计算机工作站传输到另一个计算机工作站的项目的安全。
2011-08-04 cs.CR
A Survey on Security of Ultra/Hyper Reliable Low Latency Communication: Recent Advancements, Challenges, and Future Directions
本文综述了面向URLLC的物理层安全(PLS)增强技术,分析系统参数影响,覆盖多场景及NOMA、IRS等5G使能技术的安全进展,并探讨了机器学习在PLS方案设计中的作用。
2024-04-11 cs.CR
Generative AI Security: Challenges and Countermeasures
University of California, Berkeley(加州大学伯克利分校)
本文分析生成式人工智能带来的独特安全挑战,并提出管理相关风险的潜在研究方向。
2024-10-23 cs.AI cs.CL cs.CR
System Security Assurance: A Systematic Literature Review
系统安全保证提供了对软件系统的安全特性、实践、程序和架构的信心,这些安全特性、实践、程序和架构调解并执行安全策略,并且对安全故障和攻击具有弹性。除了安全保障带来的巨大好处外,新的信息和通信技术的发展也给信息保护带来了新的挑战。基于传统工具、技术和过程的安全保证方法可能无法解决由于需求规范不佳、静态性质和开发过程不佳而带来的新挑战。安全评估和认证过程中常用的通用标准(CC)也存在许多局限性和挑战。在本文中,已经作出了广泛的努力,研究的国家的最先进的,限制和未来的研究方向的信息通信技术和网络物理系统(CPS)的安全保证在广泛的领域。我们对系统安全保证所涉及的要求、流程和活动进行了系统性审查,包括安全要求、安全指标、系统和环境以及保证方法。我们强调了与系统安全保证和相应解决方案相关的现有文献所确定的挑战和差距。最后,我们讨论了现有方法的局限性和未来的研究方向。
2022-07-29 cs.CR cs.SE
A Critical Analysis of Foundations, Challenges and Directions for Zero Trust Security in Cloud Environments
本文批判性分析零信任安全在云环境中的理论框架、核心原则及四大争议,指出实施障碍(性能下降、高投资),并基于安全事件减少40%等发现,提出性能优化、经济优化等未来方向。
2024-11-09 cs.CR cs.ET
Classification of Various Security Techniques in Databases and their Comparative Analysis
数据安全是数字世界中最重要和最主要的挑战之一。在互联网上进行的每一项操作都要求数据的安全性、隐私性和完整性。每当讨论数据的安全性时,它主要是在不可靠的通信网络上安全传输数据的背景下。但是数据库中数据的安全性也同样重要。在本文中,我们将介绍一些常见的数据安全技术,这些技术可以在加固和加强数据库中实现。
2012-06-19 cs.CR
Challenges and New Directions in Augmented Reality, Computer Security, and Neuroscience -- Part 1: Risks to Sensation and Perception
快速发展的AR技术在人类大脑和物理世界之间直接调解方面处于独特的地位。虽然这种紧密耦合为人类增强提供了巨大的机会,但由于潜在的对手,包括AR应用程序或设备本身,以及错误或事故,它也带来了新的风险。在本文中,我们开始探索增强现实对人类大脑的潜在风险。我们最初的重点是感官和知觉风险(例如,意外或恶意诱导的视觉适应,运动诱导的失明和光敏性癫痫),但类似的风险可能跨越较低和较高水平的人类大脑功能,包括认知,记忆和决策。虽然这些风险在早期的AR技术中还没有体现出来,但我们认为,由于AR与用户对物理世界的体验交互的丰富性和深度,这种风险在AR中是独一无二的危险。我们提出了一个框架,在计算机安全威胁建模的基础上,从概念上和实验上评估这种风险。我们工作的最终目标是帮助AR技术开发人员、研究人员和神经科学家在AR技术被广泛部署并成为真正对手的目标之前考虑这些问题。通过现在考虑和解决这些问题,我们可以帮助确保未来的AR技术能够充分发挥其积极的潜力。
2018-06-27 cs.CR
A Marauder's Map of Security and Privacy in Machine Learning
越来越多的人认识到,机器学习(ML)暴露了软件系统中新的安全和隐私漏洞,但技术社区对这些漏洞的性质和程度的理解仍然有限,但正在扩大。在这次演讲中,我们将通过Saltzer和Schroeder的安全计算机系统设计原则来探索ML算法的威胁模型空间。这一特征的威胁空间提示当前和未来的研究方向的调查。我们围绕其中三个方向展开讨论,我们认为这三个方向可能会导致重大进展。第一个包括一系列验证和准入控制的方法,这是在机器学习系统中启用故障安全默认值的先决条件。第二个目标是设计一种机制,用于收集可靠的妥协记录,这将有助于了解对手利用漏洞的程度,以及有利于机器学习应用程序的心理接受度。第三种是在机器学习中寻求安全和隐私的正式框架,我们认为应该努力将机器学习的目标(如泛化)与安全和隐私的需求(如鲁棒性或隐私)相结合。从这三个方向在ML和安全社区追求的关键见解被确定,方法的有效性与ML算法的结构元素和用于训练它们的数据有关。最后,我们总结了我们社区的最佳实践。
2018-11-03 cs.CR
Quantum protocols for Rabin oblivious transfer
本文针对Rabin不经意传输提出安全性改进的量子协议设计,并证明任何量子协议均存在常数下界,同时引入作弊优势概念以量化非对称作弊场景下的安全性。
2025-07-05 cs.CR quant-ph
African Union Convention on Cyber Security and Personal Data Protection: Challenges and Future Directions
本文系统分析了非洲联盟网络安全与个人数据保护公约(AUDPC)在非洲实施面临的法律、技术、基础设施及跨境合作等挑战,并提出加强法律框架、能力建设和国际协调等系统性建议以推动公约落地。
2023-07-05 cs.CR cs.CY