Proactive security defense: cyber threat intelligence modeling for connected autonomous vehicles
本文提出汽车网络威胁情报建模框架Actim,通过构建本体模型、标注首个汽车CTI语料库并设计基于跨句上下文的挖掘模型,实现威胁实体与关系的有效提取和知识图谱构建,支持网联自动驾驶汽车的主动安全防御。
2024-10-21 cs.CR
Cyber Threat Intelligence Model: An Evaluation of Taxonomies, Sharing Standards, and Ontologies within Cyber Threat Intelligence
该研究评估了网络威胁情报领域相关本体、共享标准和分类法在威胁多维度要素等方面的覆盖与表达能力,指出现有全面性本体建设不足、存在设计不完善等问题。
2023-08-28 cs.CR
Cyber Threat Intelligence : Challenges and Opportunities
越来越多的网络攻击需要网络安全和取证专家几乎实时地检测,分析和防御网络威胁。在实践中,如果不深入研究攻击特征并采取相应的智能防御行动,就不可能及时处理如此大量的攻击,这在本质上定义了网络威胁情报概念。然而,如果没有人工智能、机器学习和先进的数据采掘技术来收集、分析和解释网络攻击证据,这种智能是不可能实现的。在这一介绍性章节中,我们首先讨论网络威胁情报的概念及其主要挑战和机遇,然后简要介绍本书的章节,这些章节要么解决了已确定的挑战,要么提出了提供威胁情报的机会主义解决方案。
2018-08-03 cs.CR
Enabling Efficient Cyber Threat Hunting With Cyber Threat Intelligence
University of California, Berkeley(加州大学伯克利分校);Case Western Reserve University(凯斯西储大学);Nanjing University(南京大学);Princeton University(普林斯顿大学)
基于日志的网络威胁搜索已成为应对复杂攻击的重要解决方案。然而,现有的方法需要手动查询构建的非平凡的努力,并忽略了开源网络威胁情报(OSCTI)提供的丰富的外部威胁知识。为了弥补这一差距,我们提出了ThreatRaptor,一个系统,便于威胁狩猎计算机系统使用OSCTI。ThreatRaptor基于系统审计框架,提供(1)一个无监督,轻量级,准确的NLP管道,从非结构化的OSCTI文本中提取结构化的威胁行为,(2)一个简洁而富有表现力的特定于域的查询语言TBQL,用于搜索恶意系统活动,(3)一个查询合成机制,自动合成TBQL查询用于搜索,以及(4)高效的查询执行引擎以搜索大的审计日志数据。对广泛的攻击案例的评估证明了ThreatRaptor在实际威胁搜索中的准确性和效率。
2021-02-25 cs.CL cs.CR cs.DB
Cybersecurity Threats to Power Grid Operations from the Demand-Side Response Ecosystem
本文分析了物联网能源智能电器对电网运营构成的网络安全威胁,探讨了需求侧响应生态系统中的漏洞、影响攻击的关键因素及提升电网韧性的措施。
2025-02-02 cs.CR cs.IT cs.SY
TTPXHunter: Actionable Threat Intelligence Extraction as TTPs from Finished Cyber Threat Reports
提出TTPXHunter方法,利用领域特定NLP技术从网络威胁报告中自动提取TTPs威胁情报,构建了两个数据集并在其上取得高F1分数,显著提升了威胁情报分析的自动化水平。
2024-03-21 cs.CR
A Cyber Threat Intelligence Management Platform for Industrial Environments
开发智能的、可互操作的网络威胁信息(CTI)共享技术可以帮助建立强大的防御现代网络威胁的能力。CTI允许社区共享有关网络犯罪分子的威胁和漏洞以及防御措施或检测恶意活动的信息。成功的关键是与网络风险相关的数据是可以理解的,有组织的,并且质量良好。接收方可以掌握其内容并有效利用。本文介绍了一种用于工业环境的创新网络威胁情报管理平台(CTIMP),这是Cyber-pi项目的重要组成部分之一。特别是,建议的架构使用来自可信公共来源的网络知识,并以完全可互操作和智能的方式将其与来自组织监督基础设施的相关信息集成。当与高级可视化机制和用户界面相结合时,上述服务为管理员提供了他们所需的态势感知,同时还允许扩展合作,智能选择高级应对策略,以及一组用于处理威胁的自动自我修复规则。
2023-01-09 cs.CR
cyberaCTIve: a STIX-based Tool for Cyber Threat Intelligence in Complex Models
网络威胁情报(CTI)是收集的实际真实世界信息,目的是评估网络物理系统(CPS)中的威胁。共享CTI的一个实用符号是STIX。STIX提供了创建、可视化和共享模型的工具;然而,即使是一个适度简单的项目也可以在STIX中表示为一个相当复杂的图表,这意味着将CTI分散到多个更简单的子项目中。我们的工具旨在加强STIX为基础的建模任务的背景下,这种简化是不可行的。例子可以是微电网,更一般地说,是智能电网。
2022-05-12 cs.CR cs.SE
Threat Actor Type Inference and Characterization within Cyber Threat Intelligence
随着网络威胁形势不断变得越来越复杂和多变,了解敌人及其行动方式以减少威胁变得越来越重要。尽管网络安全社区在描述和共享用于通知防御组件的技术指标方面已经发展了一定的成熟度,但我们仍然在努力处理不统一,非结构化和模糊的更高级别信息,例如威胁行为者上下文,从而限制了我们与不同来源相关联以获得更多上下文,准确和相关情报的能力。我们认为有必要克服这一限制,以提高我们制作和更好地操作网络威胁情报的能力。我们的研究表明,通常商定的用于表征威胁参与者及其操作的受控词汇表可用于丰富网络威胁情报,并在可解释和可查询的更高上下文级别上推断新信息。特别是,我们提出了一个本体论的方法来自动推断的威胁行为者的类型的基础上,他们的人物角色,了解他们的性质,并捕捉多态性和变化,他们的行为和特征随着时间的推移。这种方法不仅通过提供用于共享高度上下文网络威胁情报的结构化方式和手段来实现互操作性,而且还以机器速度获得新信息,并最大限度地减少人工分类方法所带来的认知偏差。
2021-09-20 cs.CR
Detecting cyber threats through social network analysis: short survey
本文考虑了一个简短的调查的基本方法的社交网络分析,这是用于检测网络威胁。介绍了社交网络威胁的主要类型。描述了用于社交网络分析的图论和数据采掘的基本方法。讨论了社会网络分析的典型安全任务,如网络中的社区发现、社区中的领导者发现、网络中的专家发现、文本信息聚类等。
2018-05-17 cs.CR cs.CY cs.SI
Using cyber threat intelligence to support adversary understanding applied to the Russia-Ukraine conflict
在军事组织中,网络威胁情报(CTI)通过向指挥官提供有关对手、其能力和目标的基本信息来支持网络空间作战。本文将CTI与MITRE ATT&CK框架相结合,以建立对手概况。此外,通过分析2022年1月在乌克兰发生的WhisperGate行动,确定了攻击阶段的特征,并提出了防御的最低必要措施。
2022-05-06 cs.CR
Evidential Cyber Threat Hunting
IBM Research(IBM研究院)
一个正式的网络推理框架,自动化的威胁狩猎过程。新的网络推理方法引入了一种操作语义,它在三个子空间(知识、假设和行动)上运行,以实现人机共同创建威胁假设和保护建议。该框架的实现表明,该方法是实用的,可以用来推广基于证据的多标准威胁调查。
2021-04-21 cs.AI cs.CR
Defending against cybersecurity threats to the payments and banking system
支付和银行系统的网络安全威胁已成为全球性的威胁。这种现象迫使金融机构将风险作为其业务模式的一部分。因此,对先进技术和安全措施的有意投资已成为必要,以防止因网络攻击而可能发生的重大财务损失和信息泄露。网络犯罪的扩散是银行业各利益相关者的巨大担忧。通常,网络攻击是通过在网络空间中的计算系统上运行的软件系统来执行的。因此,为了防止对软件系统的网络攻击风险,必须识别在网络空间内运行的实体,并在分析漏洞和开发防御机制后隔离对应用程序安全的威胁。本文将研究识别网络空间中资产的各种方法,对网络威胁进行分类,提供安全防御,并将安全措施映射到控制类型和功能。因此,采用正确的应用程序来应对安全威胁和防御将有助于IT专业人员和用户做出决策,以开发强大的深度防御机制。
2022-12-15 cs.CR cs.CY
Discerning Reliable Cyber Threat Indicators for Timely Cyber Threat Intelligence
本研究利用CNN从社交媒体提取失陷指标,以99.65%检出率识别IP、URL等威胁,并评估其有效性与自动账户传播作用,为主动防御提供可靠情报。
2025-08-11 cs.CR
Threats, Protection and Attribution of Cyber Attacks on Critical Infrastructures
随着关键国家基础设施变得越来越容易受到网络攻击,它们的保护对于任何组织和国家来说都成为一个重要问题。此外,指认能力是避免网络空间有罪不罚现象的一个重要因素。在这篇文章中,我们提出了关键基础设施的主要威胁,以及一个国家可以采取的保护措施,并根据法律,技术,组织,能力建设和合作方面进行分类。最后,我们提供了一个关于网络归属和网络和平维护的当前方法和实践的概述
2019-01-12 cs.CR
A System for Efficiently Hunting for Cyber Threats in Computer Systems Using Threat Intelligence
University of California, Berkeley(加利福尼亚大学伯克利分校);Case Western Reserve University(凯斯西储大学);Nanjing University(南京大学);Princeton University(普林斯顿大学)
基于日志的网络威胁搜索已成为应对复杂网络攻击的重要解决方案。然而,现有的方法需要手动查询构建的非平凡的努力,并忽略了开源网络威胁情报(OSCTI)提供的丰富的外部知识的威胁行为。为了弥补这一差距,我们构建了ThreatRaptor,这是一个使用OSCTI在计算机系统中促进网络威胁搜索的系统。ThreatRaptor建立在成熟的系统审计框架之上,提供了(1)一个无监督、轻量级和准确的NLP管道,可以从非结构化的OSCTI文本中提取结构化的威胁行为,(2)一个简洁而富有表现力的特定领域查询语言TBQL,用于搜索恶意系统活动,(3)一个查询合成机制,可以从提取的威胁行为中自动合成TBQL查询,以及(4)用于搜索大系统审计日志数据的高效查询执行引擎。
2021-02-25 cs.CL cs.CR cs.DB
Generating Cyber Threat Intelligence to Discover Potential Security Threats Using Classification and Topic Modeling
University of Louisiana at Lafayette(路易斯安那大学拉法叶分校);University of Regina(里贾纳大学);Tampere University(坦佩雷大学);Bangladesh University of Engineering and Technology(孟加拉国工程技术大学)
由于网络攻击或威胁的多样性,网络安全社区将传统的安全控制机制提升到先进水平,以便自动化工具可以遇到潜在的安全威胁。最近,网络威胁情报(CTI)由于其自动化的网络安全威胁预测而被视为主动和强大的机制之一。一般来说,CTI从各种来源收集和分析数据,例如,在线安全论坛,社交媒体,网络爱好者,分析师,甚至网络犯罪分子讨论网络或计算机安全相关主题,并根据分析发现潜在威胁。由于手动分析每个此类讨论(在线平台上的帖子)耗时,效率低下且容易出错,CTI作为一种自动化工具可以独特地检测网络威胁。在本文中,我们确定和探讨相关CTI黑客论坛利用不同的监督(分类)和无监督学习(主题建模)技术。为此,我们从一个真实的黑客论坛中收集数据,并构建了两个数据集:一个二进制数据集和一个多类数据集。然后,我们应用几个分类器以及基于深度神经网络的分类器,并在数据集上使用它们来比较它们的性能。我们还将标记泄漏数据集上的分类器作为我们的基础事实。我们使用无监督技术进一步探索数据集。为此,我们利用两个主题建模算法,即潜在狄利克雷分配(LDA)和非负矩阵分解(NMF)。
2022-11-14 cs.CR cs.LG
SEvenLLM: Benchmarking, Eliciting, and Enhancing Abilities of Large Language Models in Cyber Threat Intelligence
本文提出SEvenLLM框架,通过构建双语指令语料库和包含27个任务的多任务学习流水线,提升大型语言模型在网络安全威胁情报中的事件分析与响应能力,实验证明其能有效增强复杂威胁分析。
2024-06-03 cs.CR
An Unsupervised Learning Approach For A Reliable Profiling Of Cyber Threat Actors Reported Globally Based On Complete Contextual Information Of Cyber Attacks
International Islamic University(国际伊斯兰大学);Seoul National University(首尔大学)
针对监督学习依赖结构化数据且耗时的问题,提出一种基于完整上下文信息的无监督凝聚层次聚类技术,通过识别网络威胁行为者的共同特征进行有效聚合与画像,为防御网络攻击提供支持。
2025-09-15 cs.CR
Enhancing Cyber Threat Hunting -- A Visual Approach with the Forensic Visualization Toolkit
本文提出取证可视化工具包(FVT),通过高级可视化增强网络威胁狩猎,提升安全分析师的态势感知与威胁响应能力,并已在欧盟项目中应用。
2025-09-11 cs.CR
Early Warnings of Cyber Threats in Online Discussions
我们引入了一个系统,用于自动生成即将发生或当前网络威胁的警告。我们的系统利用了恶意行为者在暗网上的交流,以及网络安全专家在Twitter等社交媒体平台上的活动。在2016年9月至2017年1月期间,我们的方法生成了661个警报,其中约84%与当前或即将发生的网络威胁有关。在本文中,我们首先说明了我们的系统的基本原理和工作流程,然后我们衡量其性能。我们的分析通过两个案例研究得到了丰富:第一个案例展示了该方法如何预测DDoS攻击,以及它如何使组织能够为2016年10月造成广泛破坏的Mirai攻击做好准备。其次,我们讨论了该方法对各种数据泄露实例的及时识别。
2018-01-29 cs.CR cs.CY cs.SI
Cyber Threats to Canadian Federal Election: Emerging Threats, Assessment, and Mitigation Strategies
本文针对2025年加拿大联邦选举的网络安全风险,遵循NIST SP 800-30框架开展国家级威胁评估,识别三类核心威胁,分析其特性与影响,并提出多维度风险缓解策略以保障选举安全。
2024-10-07 cs.CR
Threat-Informed Cyber Resilience Index: A Probabilistic Quantitative Approach to Measure Defence Effectiveness Against Cyber Attacks
本文提出基于威胁情报与POMDP的网络弹性指数CRI,将攻击者TTPs和不确定性纳入动态评估,以单一量化指标衡量组织防御有效性并支持资源配置决策。
2024-09-06 cs.CR
Security evaluation of cyber networks under advanced persistent threats
本文致力于衡量网络在高级持续性威胁(APT)下的安全性。首先,基于APT的网络攻防过程被建模为一个个体级的动力系统。其次,动态模型显示出的全局稳定性。在此基础上,定义了一种新的网络安全度量--极限安全度,即网络中受损节点的极限期望分数。其次,通过理论分析和计算机模拟说明了不同因素对极限安全性的影响。这项工作有助于了解APT下的网络安全。
2017-07-12 cs.CR
On the Integration of Course of Action Playbooks into Shareable Cyber Threat Intelligence
CACAO是第一个开放标准,它统一了我们以机器可读格式记录行动过程的方式,以实现互操作性,以及利用、耦合和共享行动过程剧本与网络威胁情报所带来的网络安全行动的好处,我们引入了一个统一的元数据模板,该模板支持管理行动过程剧本并将其集成到知识表示和知识中管理系统。我们通过两个用例实现证明了我们的方法的适用性。我们利用剧本元数据模板来引入功能并将行动剧本(如CACAO)集成到MISP威胁情报平台和OASIS威胁执行者上下文本体中。
2021-11-22 cs.CR
Is Generative AI the Next Tactical Cyber Weapon For Threat Actors? Unforeseen Implications of AI Generated Cyber Attacks
Quinnipiac University(昆尼皮亚克大学);University of North Texas(北德克萨斯大学);Texas Christian University(德克萨斯基督教大学);West Virginia University(西弗吉尼亚大学)
本文探讨了大型语言模型被滥用生成网络攻击的威胁,介绍了switch和character play等方法绕过安全机制,并提出定制微调模型Occupy AI自动化执行钓鱼、恶意软件注入等攻击,呼吁加强伦理规范与防御。
2024-08-23 cs.AI cs.CR
The Impact of Cyber Security Threats on the 2020 US Elections
本文将调查2020年美国大选中围绕网络安全威胁的文献。它首先简要概述了网络安全和选举方面的网络安全现状。在本文的主体部分,重点将放在三个主要领域的文献综述:选民压制,选民欺诈和虚假信息,考虑其对选举结果和投票公众的影响。在评估了每一份文件的来源后,本文总结了对2020年美国大选影响最大的领域。
2020-12-15 cs.CR cs.CY
Cyber Security Threat Awareness Framework for High School Students in Qatar
网络安全被认为是当今世界任何人的必需品。网络安全标准和最佳实践的意识已经成为强制性的,以保护一个孩子在这个时代。今天的高中生不了解网络安全威胁,因为缺乏父母的参与或缺乏高中的教育材料和课程。这项研究开发了一个框架,解决了高中生缺乏网络安全意识的问题。建议的框架提供了一个流程的步骤,为K12提供有效的认识方法。这是通过创建一个功能操作框架的方法来实现的,该框架包括四个阶段,即威胁和攻击识别、现有意识发现、创建意识方法和意识方法评估。这一产出产生了专门针对k-12年龄段的网络安全意识方法,该方法利用了网络安全表情符号。因此,通过探索这种方法,安全社区可以招募和吸引青少年参与网络安全,提高安全意识的程度。
2022-07-02 cs.CR
Current Challenges of Cyber Threat and Vulnerability Identification Using Public Enumerations
识别网络威胁是安全团队的基本任务之一。目前,可以使用组织成各种格式、枚举和知识库的知识来识别网络威胁。本文研究了当前使用资产枚举和数据识别网络空间中的漏洞和威胁的挑战。虽然枚举在实践中使用,我们指出了几个问题,仍然降低了脆弱性和威胁识别的质量。由于漏洞识别方法是基于网络监控和代理的,因此问题与资产发现、漏洞发现的精度和数据量有关。另一方面,威胁识别利用基于图的、自然语言的、机器学习的和本体论的方法。目前的趋势是提出利用战术,技术和程序而不是低级别的妥协指标的方法,使网络威胁识别更加成熟。通过分析公共枚举和知识库之间的关系,来自威胁、漏洞和资产管理的标准之间的合作也是一个未解决的问题。最后,我们研究了MITRE ATT&CK知识库中使用网络监控捕获数据进行威胁建模的技术的可用性。虽然网络流量不是最常用的数据源,但它允许对MITRE ATT&CK的几乎所有战术进行建模。
2022-06-29 cs.CR
A Threat Intelligence Event Extraction Conceptual Model for Cyber Threat Intelligence Feeds
本文系统综述了网络威胁情报数据收集技术,并提出整合XLM-RoBERTa、BiGRU和CRF的XBC概念模型,以提升威胁事件抽取效率和网络安全能力。
2025-06-04 cs.CR
Toward interoperable representation and sharing of disinformation incidents in cyber threat intelligence
本文提出开源虚假信息威胁情报框架,结合DISARM建模、STIX2映射及DISINFOX交换架构,实现虚假信息事件的可互操作共享,并验证于100多个真实事件。
2025-02-28 cs.CR cs.ET cs.SI
Autonomous AI-based Cybersecurity Framework for Critical Infrastructure: Real-Time Threat Mitigation
School of Computer Science and Technology(计算机科学与技术学院)
本文提出了一种基于AI的自主网络安全框架,用于实时检测和缓解关键基础设施中的网络威胁,以提升系统安全性和韧性。
2025-07-10 cs.AI cs.CR cs.ET
Threat Modeling of Cyber-Physical Systems in Practice
传统的网络物理系统(CPS)并没有考虑到网络安全。他们在独立的运营技术(OT)网络上运营。随着这些系统现在与基于IP的信息技术(IT)网络的集成程度越来越高,它们暴露出可被攻击者通过这些IT网络利用的漏洞。攻击者可以控制这些系统,并导致危害系统最初设计的性能和安全措施的行为。在本文中,我们探讨的方法来识别威胁的CPS,并确保创建的威胁模型的质量。这项研究涉及采访了11名安全专家,他们分别在安全咨询公司、软件工程公司、原始设备制造商(OEM)以及地面和区域车辆集成商工作。通过这些访谈,我们发现从业者在对给定CPS进行威胁建模时,会将各种威胁建模方法、途径和标准结合在一起。从业人员面临的主要挑战是:他们无法将他们在网络物理领域获得的威胁建模知识转移到其他领域,修改后的系统的威胁模型往往没有更新,以及主要依赖同行评估和质量检查表来确保威胁模型的质量。该研究警告了开发安全CPS的困难,并呼吁研究开发实用的CPS威胁建模方法,持续威胁建模技术,以及确保威胁模型质量的技术。
2021-03-07 cs.CR
The Sounds of Cyber Threats
互联网使用户能够访问大量资源,但它也可能使用户遭受有害的网络攻击。本文探讨了在网络安全领域中使用声音的人为因素问题。它描述了一种被称为声音化的方法,用于有效地设计和开发听觉网络安全威胁指示器,以警告用户有关网络攻击。一个案例研究,随着结果,各种类型的可用性测试与一些互联网用户谁是视力受损。本文最后讨论了今后加强这项工作的步骤。
2018-05-21 cs.CR cs.CY
Comparative Survey of Cyber-Threat and Attack Trends and Prediction of Future Cyber-Attack Patterns
该研究针对2010年至今的网络威胁与攻击趋势开展比较调研,分析攻击模式与驱动因素,指出国家行为体参与及监管缺失加剧网络安全风险,为预判未来安全挑战提供依据。
2024-10-04 cs.CR cs.CY
Automated Retrieval of ATT&CK Tactics and Techniques for Cyber Threat Reports
University of Twente(特文特大学);Siemens Corporate Technology(西门子企业技术部)
在过去几年中,威胁情报共享稳步增长,导致网络安全专业人员访问越来越大量的异构数据。其中,网络攻击的策略、技术和程序(TTP)已被证明对于描述威胁行为者的行为特征特别有价值,从而改进防御对策。不幸的是,这些信息通常隐藏在人类可读的文本报告中,必须手动提取。在本文中,我们评估了几种分类方法,自动检索TTP从非结构化文本。为了实现这些方法,我们利用MITRE ATT&CK框架,一个开放的知识库的对抗战术和技术,训练分类器和标签的结果。最后,我们介绍了rcATT,这是一个建立在我们的研究结果之上的工具,并免费分发给安全社区,以支持网络威胁报告的自动分析。
2020-04-29 cs.CR cs.LG
Trustworthy Artificial Intelligence for Cyber Threat Analysis
本研究开发了一种基于机器学习的网络威胁检测与评估工具,采用两阶段无监督和监督学习方法分析AWS云服务器日志,实现了高置信度的威胁识别。
2025-06-18 cs.CR
CyLens: Towards Reinventing Cyber Threat Intelligence in the Paradigm of Agentic Large Language Models
本文提出由 LLM 驱动的网络威胁情报副驾驶 CYLENS,融合271,570份威胁报告与六个专用NLP模块,覆盖威胁管理全流程,实验显示其优于领先LLM和现有网络安全智能体。
2025-04-16 cs.CR
Active and Passive Collection of SSH key material for cyber threat intelligence
本文描述了一个系统,用于存储从SSH连接收集的历史取证文物。该系统以类似于被动DNS数据库、恶意软件哈希注册表和SSL公证的方式公开REST API,目的是支持事件调查和基础设施监控。
2022-04-11 cs.CR cs.NI
Automating Cyber Threat Hunting Using NLP, Automated Query Generation, and Genetic Perturbation
Perspecta Labs, Inc.(Perspecta实验室);MIT CSAIL(麻省理工学院计算机科学与人工智能实验室)
扩大网络搜索问题带来了几个关键的技术挑战。在大型企业网中大规模检测和表征网络威胁是困难的,因为当对手部署各种不断变化的策略来实现其目标时,必须分析大量复杂的数据。有一个伟大的需要自动化的所有方面,事实上,网络狩猎的工作流程。AI提供了许多方法来支持这一点。我们开发了WILEE系统,通过将高级威胁描述转化为许多可能的具体实施,自动化网络威胁搜索。(高级)抽象和(低级)具体实现都使用自定义域特定语言(DSL)表示。WILEE使用这些实现以及其他逻辑(也是用DSL编写的)来自动生成查询,以确认(或反驳)与各个抽象层所表示的潜在对抗性工作流相关的任何假设。
2021-04-23 cs.AI cs.CR
Transforming Cyber Defense: Harnessing Agentic and Frontier AI for Proactive, Ethical Threat Intelligence
本文探讨智能体AI与前沿AI如何通过重构网络杀伤链、增强威胁情报及嵌入伦理治理,构建融合实时监控与自动化响应的主动、弹性网络防御体系。
2025-02-28 cs.CR
Cyber threats in social networking websites
社交网络是由称为节点的个人或组织组成的社会结构,这些节点通过一种或多种特定类型的相互依赖性连接,例如友谊,共同利益,金融交换,信仰,知识或声望的关系。网络威胁可以是无意的和有意的,有针对性的或非针对性的,它可以来自各种来源,包括从事间谍活动和信息战争的外国,罪犯,黑客,病毒作者,不满的员工和承包商在一个组织内工作。社交网站不仅是与全球其他人沟通或互动,也是商业推广的有效途径之一。在本文中,我们调查和研究社交网站中的网络威胁。我们通过在线社交网站的积累历史,分类他们的类型,并讨论了网络威胁,建议反威胁策略和可视化的未来趋势,这样的跳跃流行的网站。
2012-02-11 cs.CR cs.CY
CTIBench: A Benchmark for Evaluating LLMs in Cyber Threat Intelligence
Rochester Institute of Technology(罗切斯特理工学院)
针对现有基准无法评估大型语言模型在网络威胁情报特定任务中应用能力的不足,本文提出了CTIBench基准,通过多个数据集评估LLMs在CTI领域的知识掌握与应用表现,揭示了先进模型的优劣势。
2024-11-11 cs.AI cs.CR
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
A data-driven analysis of UK cyber defence
我们的研究解决了这样一个问题:英国的网络威胁状况如何?在解决这个问题时,我们专注于可检测的,已知的,因此可能可预防的网络威胁,特别是那些可以通过其所展示的恶意扫描活动类型识别的网络威胁。我们选择这种方法有两个原因。首先,正如本文所证明的那样,影响英国公民生活和商业活动的绝大多数网络威胁都是可识别的,可预防的威胁。因此,通过改善公民在预防、检测和应对网络威胁方面的支持方式,有可能更好地改善英国的网络防御。要做到这一点,就需要有一个为决策者提供信息的证据基础。其次,建立已知威胁空间的可量化证据库-也就是说可检测,可识别,因此可能可预防的网络威胁-以确定这些信息是否在试图检测更多新网络威胁时也可能有用。这项研究分析了2020年12月1日至2021年11月30日期间在英国境内收集的恶意互联网扫描活动。这些数据是通过一个自定义的自动化系统收集的,该系统收集和处理来自Greynoise的数据,通过Shodan丰富了这些数据,并将其与国家统计局的数据以及英国地名和地理位置的所有权数据进行交叉引用。
2023-03-13 cs.CR cs.CY
Darknet and Deepnet Mining for Proactive Cybersecurity Threat Intelligence
Arizona State University(亚利桑那州立大学)
在本文中,我们提出了一个操作系统,用于从互联网上的各种社交平台,特别是暗网和深网上的网站收集网络威胁情报。我们专注于从黑客论坛讨论和提供专注于恶意黑客的产品和服务的市场收集信息。我们开发了一个操作系统,用于从这些网站获取信息,以识别新出现的网络威胁。目前,该系统平均每周收集305个高质量的网络威胁警告。这些威胁警告包括有关新开发的恶意软件和尚未在网络攻击中部署的漏洞的信息。这为网络维护者提供了重要的服务。通过使用各种数据采掘和机器学习技术,该系统得到了显著增强。通过使用机器学习模型,我们能够高精度地召回市场上92%的产品和论坛上80%的与恶意黑客有关的讨论。我们对收集的数据进行初步分析,展示其应用程序,以帮助安全专家更好地进行威胁分析。
2016-07-28 cs.AI cs.CR cs.CY
Analyzing the Usefulness of the DARPA OpTC Dataset in Cyber Threat Detection Research
在现实世界的企业网中维护安全和隐私正变得越来越具有挑战性。网络攻击者越来越多地使用以前未报告的最先进技术侵入企业网络。为了开发新颖有效的方法来阻止这些复杂的网络攻击,我们需要能够高度准确地反映真实企业场景的数据集。然而,很少有这样的数据集是公开的。研究人员仍然主要使用已有十年历史的KDD数据集,然而,研究表明这些数据集并不能充分反映高级持续性威胁(APT)等现代攻击。在这项工作中,我们分析了最近推出的DARPA操作透明网络(OpTC)数据集在这方面的有用性。我们详细描述了数据集的内容,并提出了定性分析。我们表明,OpTC数据集是高级网络威胁检测研究的绝佳候选者,同时也突出了其局限性。此外,我们提出了几个研究方向,这个数据集可以是有用的。
2021-05-08 cs.CR
Cybersecurity threats in FinTech: A systematic review
Korea University(高丽大学);University of Southern Queensland(南昆士兰大学);University of Gloucestershire(格洛斯特大学);Monash University(莫纳什大学)
本文通过PRISMA系统综述和主题建模,梳理金融科技领域74项研究,识别出11类核心网络威胁和9种防御策略,为各方利益相关者提供应对挑战的见解与未来研究方向。
2023-12-04 cs.AI 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
Generating Fake Cyber Threat Intelligence Using Transformer-Based Models
University of Maryland, Baltimore County(马里兰大学巴尔的摩郡分校);University of North Carolina, Wilmington(北卡罗来纳大学威尔明顿分校)
正在开发网络防御系统,以自动摄取包含半结构化数据和/或文本的网络威胁情报(CTI),以填充知识图谱。一个潜在的风险是,可以通过开源情报(OSINT)社区或Web生成和传播虚假CTI,从而对这些系统进行数据投毒攻击。攻击者可以使用虚假的CTI示例作为训练输入来破坏网络防御系统,迫使模型学习不正确的输入来满足其恶意需求。在本文中,我们自动生成虚假CTI文本描述使用Transformers。我们发现,给定一个初始提示句,一个公共的语言模型,如GPT-2微调,可以产生可信的CTI文本的能力,破坏网络防御系统。我们利用生成的假CTI文本对网络安全知识图谱(CKG)和网络安全语料库进行数据投毒攻击。中毒攻击带来了不利影响,例如返回不正确的推理输出,表示中毒以及其他依赖AI的网络防御系统的损坏。我们使用传统方法进行评估,并与网络安全专业人员和威胁猎人进行人工评估研究。根据这项研究,专业的威胁猎人同样有可能认为我们生成的虚假CTI是真实的。
2021-06-18 cs.AI cs.CR
Cyber Shadows: Neutralizing Security Threats with AI and Targeted Policy Measures
Siemens AG(西门子公司);Oxford Martin School, University of Oxford(牛津大学马丁学院)
本文研究了数字时代网络阴影的系统性威胁,提出结合AI驱动的入侵检测系统与针对性政策干预的多层次防御策略,以消除网络威胁并保障数字生态安全。
2025-01-28 cs.AI cs.CR cs.CY
AttacKG: Constructing Technique Knowledge Graph from Cyber Threat Intelligence Reports
网络攻击变得越来越复杂和多样化,使检测变得越来越具有挑战性。为了应对这些攻击,安全从业人员积极总结和交流他们对网络威胁情报(CTI)报告形式的跨组织攻击的知识。然而,由于以自然语言文本编写的CTI报告不具有用于自动分析的结构,因此报告的使用需要繁琐的手动网络威胁情报恢复工作。此外,单个报告通常仅涵盖攻击模式(技术)的有限方面,因此不足以提供对多种变体攻击的全面了解。为了利用CTI报告提供的威胁情报,我们提出AttacKG自动提取结构化的攻击行为图从CTI报告,并确定所采用的攻击技术。然后,我们汇总报告中的网络威胁情报,以收集技术的不同方面,并将攻击行为图增强为技术知识图谱(TKG)。在我们对来自不同情报来源的1,515份真实CTI报告的评估中,AttacKG有效地识别了28,262种攻击技术和8,393种独特的妥协指标(IoC)。为了进一步验证AttacKG在提取威胁情报方面的准确性,我们在16个手动标记的CTI报告上运行AttacKG。实证结果表明,AttacKG准确地识别了攻击相关的实体、依赖关系和技术,F1得分为0.887、0.896和0.789,优于最先进的方法Extractor和TTPDrill。此外,独特的技术级智能将直接有利于依赖技术规范的下游安全任务,例如,APT检测和网络攻击重建。
2022-05-29 cs.CR
Automated Attack Testflow Extraction from Cyber Threat Report using BERT for Contextual Analysis
针对手动提取APT攻击测试流程耗时易错的问题,提出FLOWGUARDIAN,利用BERT和NLP自动化从威胁报告提取流程,经实证验证准确高效,增强安全团队能力。
2025-07-09 cs.CR
A Comparative Risk Analysis on CyberShip System with STPA-Sec, STRIDE and CORAS
在船舶等关键基础设施中广泛使用软件密集型网络系统(CyberShips)带来了巨大的好处,但它也为网络攻击开辟了新的途径,可能会破坏运营。网络风险评估在识别可被利用来危害网络系统的网络威胁和漏洞方面发挥着至关重要的作用。为进行这些分析提出了一些方法。本文评估和比较三种风险评估方法的应用:系统理论过程分析(STPA-Sec),STRIDE和CORAS识别威胁和漏洞的CyberShip系统。我们特别选择了这三种方法,因为它们不仅可以识别组件级别的威胁,还可以识别由于组件之间的交互而导致的威胁或危害,从而导致每种方法识别的威胁集和相关差异。此外,STPA-Sec是STPA的变体,广泛用于网络物理系统(CPS)的安全和安保分析; CORAS提供了一个框架,以自上而下的方法执行网络风险评估,与STPA-Sec保持一致;和步幅(欺骗、篡改、否认、信息泄露、拒绝服务、Elevation of Elevation of Elevation of Escherge)在组件级别以及在交互期间考虑威胁,这与STPA-Sec类似。作为这种分析的结果,本文强调了这些方法的优点和缺点,说明了特别适用的领域,并建议,它们的补充使用,通过STRIDE确定的威胁,可作为输入CORAS和STPA-Sec,使这些方法更结构化。
2022-12-21 cs.CR