Establishing a Baseline of Software Supply Chain Security Task Adoption by Software Organizations
本研究通过访谈61名从业者，发现软件组织在供应链安全前已成熟采用基础任务，而针对组件和构建基础设施的新任务采用不足，需优先推进。
2025-09-09 cs.CR
The AI Security Zugzwang
本文提出“AI安全楚格文克”概念，基于博弈论等理论刻画AI采用中的必然风险，通过分类法和决策流程图提供战略缓解，并以Copilot为例验证。
2025-02-09 cs.CR
Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop 2019
本卷代表了2019年1月27日在夏威夷檀香山举行的2019年网络安全人工智能（AICS）研讨会的会议记录。
2019-03-27 cs.AI cs.CR
Towards a Rigorous Methodology for Measuring Adoption of RPKI Route Validation and Filtering
一个提高路由安全性的建议--路由源授权（ROA）--已经被标准化。ROA指定允许哪个网络通告一组Internet目的地。虽然一些网络现在指定了ROA，但很少有人知道其他网络是否会根据这些ROA检查它们收到的路由，这一过程称为路由源验证（Route Origin Validation，简称ROA）。哪些网络盲目接受无效路由？而他们，又是如何否认的呢？如果存在替代方案，哪些人会取消对他们的偏好？最近的分析试图使用非受控实验来表征通过比较有效路线和无效路线来确定采用。然而，我们认为，获得一个坚实的理解，采用新技术是不可能的，使用目前可用的数据集和技术。我们的测量结果表明，虽然一些互联网服务提供商没有观察到使用无效的路由在不受控制的实验中，他们实际上是使用不同的路由（非安全）流量工程的目的，而不执行路由。最后，我们描述了一个控制的，可验证的方法来测量的可扩展性，并提出了三个AS，实现可扩展性，由运营商确认。
2018-05-05 cs.CR cs.NI
Cyber Spectrum Intelligence: Security Applications, Challenges and Road Ahead
本文综述新兴的网络频谱智能（SpecInt）领域，提出其系统架构与五类网络物理安全应用，并通过实验测试平台验证可行性，指出研究挑战与未来方向。
2025-01-07 cs.CR
Security and Machine Learning Adoption in IoT: A Preliminary Study of IoT Developer Discussions
物联网（IoT）被定义为地点和物理对象之间的连接（即，事物）经由智能计算设备通过因特网/网络。传统上，我们通过对物联网开发人员/从业人员进行调查来了解物联网生态系统/问题。另一种学习方法是分析流行的在线开发者论坛（如Stack Overflow（SO））中的物联网开发者讨论。然而，我们知道没有这样的研究，专注于物联网开发人员的安全性和ML相关的讨论在SO。本文提供了SO中物联网开发人员讨论的初步研究结果。我们发现大约12%的句子包含安全讨论，而大约0.12%的句子包含ML相关的讨论。我们发现，物联网开发人员在讨论安全问题时经常询问如何在物联网设备和用户之间安全地存储、共享和传输共享数据。我们还发现，物联网开发人员有兴趣将基于深度神经网络的ML模型应用到他们的物联网设备中，但他们发现将这些模型应用到资源受限的物联网设备中具有挑战性。我们的研究结果为物联网供应商和研究人员开发和设计新技术以提高物联网设备的安全性和ML采用提供了启示。
2021-04-01 cs.CR cs.SE
Explainable Artificial Intelligence Applications in Cyber Security: State-of-the-Art in Research
本调查对当前关于网络安全应用的可解释人工智能（XAI）方法的文献进行了全面回顾。由于近年来互联网连接的系统和人工智能的快速发展，包括机器学习（ML）和深度学习（DL）的人工智能已经被广泛用于包括入侵检测、恶意软件检测和垃圾邮件过滤的网络安全领域。然而，尽管与传统的基于签名和基于规则的网络安全策略相比，用于检测和防御网络攻击和威胁的基于人工智能的方法更加先进和高效，但大多数基于ML的技术和基于DL的技术都是以黑盒方式部署的，这意味着安全专家和客户无法解释这些程序如何得出特定结论。现有人工智能技术的透明度和可解释性的缺陷将降低人类用户对用于防御网络攻击的模型的信心，特别是在当前网络攻击变得越来越多样化和复杂的情况下。因此，在建立网络安全模型时应用XAI至关重要，以创建更易于解释的模型，同时保持高准确性，并允许人类用户理解，信任和管理下一代网络防御机制。虽然有论文回顾人工智能在网络安全领域的应用，以及在医疗保健，金融服务和刑事司法等许多领域应用XAI的大量文献，但令人惊讶的事实是，目前没有调查研究文章集中在XAI在网络安全中的应用。
2022-08-31 cs.CR
Adoption of Blockchain Platform for Security Enhancement in Energy Transaction
本文提出并实现了一个基于区块链的能源交易平台，通过P2P市场机制和共识机制增强交易安全性、降低运营成本并保护用户隐私。
2023-05-31 cs.CR cs.SY eess.SY
How Do Organizations Seek Cyber Assurance? Investigations on the Adoption of the Common Criteria and Beyond
网络保障是在网络攻击和其他突发事件的冲击下运营的能力，对于每天面临大量安全威胁的组织至关重要。组织通常采用多种策略来进行风险管理，以实现网络保证。利用网络安全标准和认证可以为供应商设计和制造安全的信息和通信技术（ICT）产品提供指导，并为消费者提供一定程度的产品安全功能保证。因此，采用安全标准和认证是风险管理和网络保证的有效策略。在这项工作中，我们首先调查了来自不同国家和行业组织的258名参与者，调查了网络安全标准和认证的采用情况。具体而言，我们通过设计的问卷确定采用共同标准的障碍。考虑到七个确定的采用障碍，我们提出了促进网络安全标准和认证的建议。此外，除了网络安全标准和认证外，我们还介绍了参与者制定的其他风险管理策略，为加强组织网络安全保证提供了网络安全方法的方向。
2022-03-05 cs.CR
Using LLMs to Automate Threat Intelligence Analysis Workflows in Security Operation Centers
本研究开发了一个利用LLM（如GPT-4）的AI代理，以自动化安全运营中心中分析CTI报告的重复性任务，无需人工干预。
2024-07-18 cs.CR
Artificial Intelligence Techniques for Security Vulnerability Prevention
几十年来，计算机安全一直是人们关注的问题，而人工智能技术应用于该领域的时间也几乎一样长。大多数技术都被应用于检测对运行系统的攻击，但机器学习（例如，自然语言处理）的最新改进使得有机会处理软件和规范，以便在部署系统之前检测系统中的漏洞。本文介绍了一个调查的人工智能技术（包括机器学习），以检测或修复安全漏洞之前，产品介绍。在调查的论文中，介绍了使用NLP分析安全标准完整性需求文档的技术，执行软件的神经模糊测试，生成漏洞来检测风险等等。我们将当前的技术分为3组：漏洞检测，漏洞修复和规范分析。一般来说，虽然人工智能技术在这一领域已经变得非常有用，但我们表明，人工智能技术的范围仍然有限，提供了一系列工具，可以增强但不能取代谨慎的系统开发，以降低漏洞风险。
2019-12-14 cs.CR
Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop 2020
研讨会将重点讨论人工智能在网络安全问题中的应用。AICS 2020的重点将是在网络安全问题的背景下进行人机合作，并将专门探索人类操作员与人工智能技术之间的合作。该研讨会将涉及人工智能的适用领域，如机器学习，博弈论，自然语言处理，知识表示，自动化和辅助推理以及人机交互。此外，网络安全应用领域，特别强调人机合作的表征和部署将是重点。
2020-06-10 cs.AI cs.CR cs.HC
Cyber-All-Intel: An AI for Security related Threat Intelligence
University of Maryland, Baltimore County（马里兰大学巴尔的摩郡分校）
跟上威胁情报是今天的安全分析师必须。有大量的信息存在于“野生”，影响到一个组织。我们需要开发一个人工智能系统来搜索情报来源，让分析师了解对她的组织构成风险的各种威胁。一个更好地“利用”的安全分析师可能更有效。在本文中，我们提出，网络全英特尔人工智能系统，以帮助安全分析师。它是一个基于网络安全信息学领域的端到端管道中的知识提取，表示和分析系统。它使用多个知识表示，如向量空间和“VKG结构”中的知识图谱来存储传入的情报。该系统还使用神经网络模型来主动改进其知识。我们还创建了一个查询引擎和一个警报系统，分析师可以使用它们来查找可操作的网络安全见解。
2019-05-07 cs.AI cs.CL cs.CR
Dependable Artificial Intelligence with Reliability and Security (DAIReS): A Unified Syndrome Decoding Approach for Hallucination and Backdoor Trigger Detection
National Institute of Advanced Studies, Indian Institute of Science Campus（印度科学学院校园高等研究院）
DAIReS提出基于综合解码的统一方法，用于检测学习系统中的安全和可靠性违规，包括后门攻击和幻觉检测。
2026-02-06 cs.CR
ZKP Security Tools and Verification: Coverage, Effectiveness, Adoption, and Challenges
Max Planck Institute for Security and Privacy (MPI-SP)（马克斯·普朗克安全与隐私研究所）；KTH Royal Institute of Technology（皇家理工学院）；Ethereum Foundation（以太坊基金会）；University of Athens & zkSecurity（雅典大学与zkSecurity）
研究ZKP安全工具现状，梳理工具情况，评估六种工具在70个漏洞中的表现，分析形式验证工作，调查从业者，发现安全工具与开发审计流程整合需优化，为相关人员提供见解。
2026-07-28 cs.CR
AI for Beyond 5G Networks: A Cyber-Security Defense or Offense Enabler?
人工智能（AI）被认为在5G及其他网络中的智能，自适应和自主安全管理方面发挥着关键作用，这要归功于其从大量时变多维数据中发现隐藏模式的潜力，并提供更快，更准确的决策。不幸的是，人工智能的能力和漏洞使其成为一把双刃剑，可能危及未来网络的安全。本文揭示了人工智能如何影响5G的安全性及其后续的防御者，罪犯或受害者的姿态，并建议潜在的防御措施来保护恶意人工智能，同时指出其局限性和采用挑战。
2022-01-05 cs.CR cs.NI
Securing Manufacturing Intelligence for the Industrial Internet of Things
对预测分析这一新兴领域的广泛兴趣正在推动制造业等行业探索收集和管理工业物联网（IIoT）设备提供的数据的新方法。通常，商业智能（BI）的分析处理是一项密集的任务，它既提供了竞争优势的机会，也存在可能丢失知识产权（IP）的安全漏洞。本文探讨了在制造领域保护BI的两种方法。仿真结果表明，一个统一的威胁管理（UTM）模型是更简单的维护和潜在的漏洞比分布式安全模型。相反，分布式安全模型的性能优于UTM模型，并为现有硬件资源的使用提供了更大的范围。总之，提出了一种混合安全模型，其中安全控制被隔离到多云架构中。
2019-01-22 cs.CR
Advancing DevSecOps in SMEs: Challenges and Best Practices for Secure CI/CD Pipelines
本研究基于405名中小企业专业人士的调查，分析DevSecOps采用中的技术复杂性、资源限制和文化阻力等挑战，并提出以自动化、领导驱动安全文化和跨团队协作来强化CI/CD流水线安全的最佳实践。
2025-03-28 cs.CR cs.CY cs.SE
From Adoption to Deployment: A Qualitative Study on AI Integration in Software Development Practice
North Carolina State University（北卡罗来纳州立大学）
研究通过访谈了解从业者选择和集成人工智能组件的决策及安全考量，发现其选模型多受功能标准驱动，安全常被忽视，集成过程缺安全关注，行业重蹈早期软件依赖管理覆辙，为此给出相关建议倡导安全设计方法。
2026-08-19 cs.AI cs.CR cs.IR
Applications of Artificial Intelligence to Network Security
University of Maryland University College（马里兰大学学院分校）
对网络的攻击每天都变得越来越复杂和复杂。除了所谓的脚本小子和黑客新手之外，还有无数的专业攻击者试图渗透企业网络，赚取巨额利润。无论是敌对政府、大公司还是黑手党，都在不断增加他们在网络犯罪方面的资源和技能，以便更有效地进行间谍、盗窃或造成破坏。网络安全的传统方法似乎开始触及其极限，并且人们认识到需要更智能的方法来检测威胁。本文介绍了网络安全技术发展的必要性，以及人工智能如何应用于帮助解决一些问题。它还提供了一些最先进的人工智能网络安全技术的高级概述，以完成分析人工智能在网络安全中应用的可预见未来。
2018-03-27 cs.AI cs.CR cs.CY
Like a Hammer, It Can Build, It Can Break: Large Language Model Uses, Perceptions, and Adoption in Cybersecurity Operations on Reddit
Arizona State University（亚利桑那州立大学）；Technische Universität Berlin（柏林技术大学）
通过对Reddit网络安全论坛892篇帖子进行混合方法分析，研究安全从业者使用LLM工具的模式、认知和采纳情况，发现LLM主要用于低风险、生产力导向任务，企业级安全平台受关注，但可靠性、验证开销和安全问题限制了其自主性。
2026-06-17 cs.AI cs.CR
Hierarchical Multi-Modal Threat Intelligence Fusion Without Aligned Data: A Practical Framework for Real-World Security Operations
针对安全工具孤立导致数据不对齐的问题，提出HM-TIF框架，利用分层交叉注意力与时间相关性协议融合多模态数据，在多个数据集上实现88.7%准确率并降低32%误报率，无需对齐数据即可部署。
2025-10-10 cs.CR
Research on Enhancing Cloud Computing Network Security using Artificial Intelligence Algorithms
Microsoft（微软）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出利用深度学习构建多层防御架构，以提升云计算环境下的安全防护能力，实现高准确率和高效响应。
2025-12-10 cs.AI cs.CR
Towards more Practical Threat Models in Artificial Intelligence Security
EPFL（洛桑联邦理工学院）；QuantPi；TU Eindhoven（埃因霍温理工大学）
本文通过调查271名从业者，分析了AI安全中六大攻击威胁模型与实际应用的匹配度，发现现有模型对攻击者假设过于宽容，呼吁研究更实用的威胁模型。
2024-03-26 cs.AI cs.CR
Towards the Blockchain Massive Adoption with Permissionless Storage
本文提出利用有用的 PoW 机制和无许可存储网络，将区块链安全成本转移给存储用户以降低交易费用，并结合分片技术提升可扩展性，从而解决阻碍区块链大规模普及的成本与性能瓶颈。
2024-07-25 cs.CR
A Survey and Perspective on Artificial Intelligence for Security-Aware Electronic Design Automation
University of Florida（佛罗里达大学）；Worcester Polytechnic Institute（伍斯特理工学院）
人工智能（AI）和机器学习（ML）技术已经越来越多地用于若干领域以提高性能和自动化水平。近年来，由于高性能计算的进步和数据规模的不断增加，这种使用呈指数级增长。其中一个领域是硬件设计;特别是数字和模拟集成电路（IC）的设计，其中AI/ ML技术已被广泛用于解决不断增加的设计复杂性，积极的上市时间以及越来越多的无处不在的互联设备（IoT）。然而，与IC设计相关的安全问题和问题一直被高度忽视。在本文中，我们总结了最先进的AL/ML的电路设计/优化，安全和工程挑战，在安全意识的CAD/EDA的研究，以及未来的研究方向和需要使用AI/ML的安全意识的电路设计。
2022-04-21 cs.AI cs.CR cs.LG
The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective
本文从人工智能视角全面综述移动边缘计算的安全与隐私问题，以ETSI架构融合SDN与NFV为基础，探讨新安全挑战的AI解决方案及未来研究方向。
2024-01-03 cs.CR
Artificial Intelligence Security Competition (AISC)
RealAI（瑞莱智慧）；Tsinghua University（清华大学）；Beijing Institute of Technology（北京理工大学）；Shanghai Jiao Tong University（上海交通大学）；China Nanhu Academy of Electronics and Information Technology（中国电子科技南湖研究院）；Xi’an Jiaotong University（西安交通大学）；Tencent YouTu Lab（腾讯优图实验室）；China Construction Bank Fintech（中国建设银行金融科技公司）；RippleInfo（涟漪信息科技）
人工智能（AI）的安全性是实现安全、可靠和可信AI系统的重要研究领域。为加快人工智能安全研究，由中关村实验室、中国工业控制系统网络应急响应团队、清华大学人工智能研究院、RealAI联合主办的人工智能安全竞赛（AISC）作为中关村国际前沿技术创新大赛的一部分（https：//www.zgc-aisc.com/en）。大赛分为三个赛道，分别是Deepfake安全大赛、自动驾驶安全大赛、人脸识别安全大赛。本报告将介绍这三个赛道的比赛规则以及各个赛道的顶级团队的解决方案。
2022-12-07 cs.AI cs.CR cs.CV
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
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
Using Cyber Threat Intelligence to Prevent Malicious Known Traffic in a SDN Physical Testbed
由于应用程序和通信工具的使用有所增加，负责网络安全的人所关心的问题之一是保护信息和信息系统，以及使最终用户相信信息和通信技术的使用。如今，对网络的攻击已经增加并经历了修改，这使得传统安全设备的任务变得困难，有必要增加智能来面对网络中产生的新攻击。因此，需要将网络威胁情报（CTI）作为网络中的一个新组件。这项工作的重点是使用CTI提供的信息，以提高软件定义网络（SDN）的安全性，并在同一时间，分析如何恶意流量可以阻止在物理测试床。
2019-09-05 cs.CR
Security Barriers to Trustworthy AI-Driven Cyber Threat Intelligence in Finance: Evidence from Practitioners
University of Liechtenstein（列支敦士登大学）
研究探讨金融机构在使用AI驱动的威胁情报时面临的安全障碍，结合文献综述、访谈和调查，识别出四个阻碍可信AI部署的社会技术失败模式，并提出三种安全操作保障措施。
2026-03-24 cs.CR
Artificial Intelligence enhanced Security Problems in Real-Time Scenario using Blowfish Algorithm
St. Peter's Engineering College (Autonomous), Hyderabad（圣彼得工程学院（自治），海得拉巴）；Lendi Institute of Engineering and Technology (A), JNTU GV, Vizianagaram, Andhra Pradesh, India（伦迪工程技术学院（A），JNTU GV，维齐亚纳加勒姆，安得拉邦，印度）
针对云计算快速发展下的个人信息安全保障难题，本研究采用混合加密技术，覆盖云基础设施的各类安全问题与漏洞，结合Blowfish算法开展实时场景下的AI增强安全研究。
2024-04-14 cs.AI cs.CR cs.IR
Assessing the influence of cybersecurity threats and risks on the adoption and growth of digital banking: a systematic literature review
该研究通过系统综述2015至2024年间78篇文献，评估网络安全威胁对数字银行安全、采用及合规的影响，发现网络钓鱼和恶意软件为主要威胁，MFA和生物识别等防护措施有效，但第三方金融科技带来新风险，需加强监管。
2025-03-23 cs.CR cs.CY
Security and Privacy Policy Languages: A Survey, Categorization and Gap Identification
出于安全和隐私管理和实施的目的，已经提出了各种策略语言。我们对27种安全和隐私策略语言进行了概述，并提出了策略语言的分类框架。我们展示了当前的政策语言是如何在框架中表示的，并总结了我们的解释。我们发现的差距和动机，通过政策语言的规范的隐私-公用事业权衡政策。
2015-12-01 cs.CR
Cyber Threat Intelligence for Artificial Intelligence Systems
Orange Innovation Poland（Orange创新波兰）
本文探讨了面向人工智能系统的网络威胁情报框架，分析了传统威胁情报的不足，并提出了构建AI特定知识库和测量技术的方案。
2026-03-05 cs.AI cs.CR
Exploring Security Practices in Infrastructure as Code: An Empirical Study
本研究通过分析812个GitHub开源项目，实证评估了Terraform安全最佳实践的采用情况，发现访问策略采用最广、静态加密最被忽视，且仓库星标与采用正相关，并据此提出指南。
2023-08-07 cs.CR cs.SE
A Double-Edged Sword: Security Threats and Opportunities in One-Sided Network Communication
诸如RDMA和NVMe-over-Fabrics之类的单边网络通信技术正在生产软件和网络中心中迅速得到采用。虽然它们具有低CPU利用率和良好性能的吸引力，但它们引起了新的安全问题，可能会严重破坏构建在其上的数据中心软件系统。与此同时，它们提供了帮助加强安全的独特机会。的确，片面的网络传播在安全上是一把双刃剑。本文介绍了我们对单方面通信的安全影响和机会的见解。
2019-05-15 cs.CR
Hybrid Horizons: Policy for Post-Quantum Security
本文针对当前AI及混合密码学均缺乏监管的现状，聚焦后量子安全转型需求，分析混合密码学的监管空白并提出解决方案，以保障经典密码学向量子密码学的10年过渡期安全高效推进。
2025-09-06 cs.CR
Detecting Security threats in the Router using Computational Intelligence
信息安全是全球关注的问题。随着互联网为现代社会带来巨大的便利和好处，互联网连接性和可访问性的迅速增加也对个人、组织和国家的安全和隐私构成了严重威胁。寻找有效的方法来检测、预防和响应网络计算机和信息系统的入侵和黑客攻击。本文提出了一个知识发现框架，以检测在边界控制器（路由器）的拒绝服务攻击。其思想是使用机器学习方法来发现能够描述网络连接状态的网络特征。使用重要的网络数据（拒绝服务相关功能），我们已经开发出基于内核机器和软计算检测机制，实现高检测精度。我们还提出了我们的工作，确定DoS相关功能，并评估这些功能在检测新的DoS攻击的适用性。提出了一种在路由器上检测拒绝服务攻击的体系结构。我们证明了高效和准确的签名为基础的分类器可以构建使用重要的网络功能和机器学习技术来检测在边界控制器的DoS攻击。
2010-05-06 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
Post-Quantum Security: Origin, Fundamentals, and Adoption
本文阐述后量子安全的起源与基础，介绍格基密码学及Kyber和Dilithium两种量子安全算法，并概述政府与行业的标准化行动，旨在提供自包含的数学基础。
2024-10-28 cs.CR quant-ph
Artificial Intelligence and Machine Learning in 5G Network Security: Opportunities, advantages, and future research trends
Macquarie University（麦考瑞大学）；King Saud University（沙特国王大学）；Victoria University（维多利亚大学）
5G网络最近的技术和架构进步已经证明了它们的价值，因为部署已经在世界各地开始。从接入到核心网络的关键性能提升因素是关键使能网络功能的软件化、云化和虚拟化。随着网络的快速发展，系统中的风险、威胁和漏洞也随之而来。因此，确保端到端（E2 E）安全性成为一个至关重要的问题。人工智能（AI）和机器学习（ML）可以在针对各种各样的威胁的高效安全协议的设计、建模和自动化方面发挥至关重要的作用。AI和ML已经在不同领域证明了它们在分类、识别和自动化方面的有效性，并且具有更高的准确性。由于5G网络的主要卖点是更高的数据率和速度，因此很难使用典型/传统的保护措施来应对来自不同点的各种威胁。因此，AI和ML可以在保护高度数据驱动的软件化和虚拟化网络组件方面发挥核心作用。本文介绍了AI和ML驱动的5G网络安全应用，它们的含义和可能的研究方向。此外，概述了5G架构中用于威胁分类和异常检测的关键数据汇集点。
2020-07-09 cs.CR cs.LG
Web Scale Graph Mining for Cyber Threat Intelligence
Microsoft Security Research（微软安全研究院）
针对大规模网络攻击的防御需求，提出工业级图挖掘框架TITAN，通过动态威胁情报图、实时更新、领域知识初始化及信誉传播算法，在微软USOP中实现高精度威胁识别与阻断，显著提升事件处置效率。
2024-11-09 cs.CR cs.LG cs.SI
TINKER: A framework for Open source Cyberthreat Intelligence
Rochester Institute of Technology（罗切斯特理工学院）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM Research（IBM研究院）
关于恶意软件攻击和活动的威胁情报越来越多地与其他安全专家共享，收费或免费。其他安全分析师使用这些情报来告知他们危害的指标，攻击技术和预防措施。安全分析师在调查攻击、新出现的网络威胁或最近发现的漏洞后准备威胁分析报告。这些报告统称为网络威胁情报（CTI），通常采用非结构化格式，因此难以无缝集成到现有的入侵检测系统中。本文提出了一个框架，使用聚合CTI的分析和防御规模。使用知识图谱以结构化格式提取和存储信息，使得威胁情报的语义可以被保存并与其他安全分析师大规模共享。具体来说，我们提出了第一个半监督的开源知识图谱为基础的框架，TINKER，捕捉网络威胁信息及其上下文。在TINKER之后，我们生成了网络威胁情报知识图谱（CTI-KG），并使用不同的用例演示了其用法。
2023-01-19 cs.AI cs.CR cs.IR
Cognitive Threat Intelligence and Explainable Federated Security Analytics for distributed Infrastructure Systems
Dept. of Information Studies, Trine University（信息研究系，特林大学）；Dept. of Business Information Systems, Central Michigan University（商业信息系统系，中央密歇根大学）；Dept. of CS, Maharishi International University（计算机科学系， Maharishi 国际大学）
提出一种集成联邦学习、可解释人工智能和认知网络安全分析的框架，用于分布式基础设施系统的协作式隐私保护威胁检测。
2026-06-04 cs.AI cs.CR
Risk Analysis Study of Fully Autonomous Vehicle
全自动驾驶汽车是新兴的车辆技术，在今天的研究工作中得到了极大的关注。尽管它承诺优化道路安全，但无线和传感器技术的扩散使其容易受到网络威胁，从而拖延了其采用。因此，查明威胁和设计适当的安全解决办法，对于加快采用这一战略至关重要。在本文中，我们使用ETSI的TVRA方法的一个子集来分析全自动驾驶汽车的通信基础设施的安全风险。我们描述了通信基础设施的模型。该模型阐明了车辆的潜在通信可能性。然后，我们定义了安全目标并确定了威胁。此外，我们对风险进行了分类，并提出了相应的对策，以促进安全解决方案的设计。我们发现，所有确定的高影响力的威胁都来自一个特定的来源，并需要加密机制作为对策。最后，我们发现，所有与人类互动造成的威胁都是严重后果。
2019-05-27 cs.CR
An Industry Interview Study of Software Signing for Supply Chain Security
本研究通过访谈18位安全从业者，探讨软件签名在供应链安全中的实践挑战，提出精细化工厂模型，并指出技术、组织与人员障碍及专家分歧。
2025-03-27 cs.CR cs.SE
Advancements in Biometric Technology with Artificial Intelligence
身份验证在处理公共和私营部门的安全性方面发挥着重要作用，例如医疗保健系统，银行系统，交通系统以及法律和安全。生物识别技术近年来发展迅速，特别是在人工智能和身份识别领域。以前，身份验证过程依赖于密码、身份卡和指纹等安全措施。另一方面，正是由于采取了这些预防措施，盗窃的频率增加了。作为回应，生物特征安全被创建，其中一个人的身份是基于使用生物特征系统从人体的生理和行为特征中获得的特征。生物识别技术小工具是公众可用的，因为它们嵌入在计算机系统、电子设备、移动电话和其他消费电子产品上。随着欺诈行为的增加，对生物识别电子设备的需求和使用也有所增加。因此，有可能确认一个人的独特身份。本研究的目标是研究医学和工程学科中生物识别系统的发展。该研究将提出二手数据的观点和不同观点，强调需要更深入地了解和应用生物识别技术，以促进其在数字时代的发展。这项研究的结果可能会激励人们和企业更有效地采用生物识别技术，以降低数据和身份安全的风险。
2023-01-02 cs.CR
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
Zero-Trust Artificial Intelligence Model Security Based on Moving Target Defense and Content Disarm and Reconstruction
Ariel University（阿里尔大学）；Ariel Cyber Innovation Center（阿里尔网络创新中心）
本文提出结合内容解除和重建（CDR）与移动目标防御（MTD）的零信任AI模型安全架构，有效防范Pickle和PyTorch格式中的序列化攻击与权重篡改，在HuggingFace等真实场景下实现100%解除率。
2025-03-03 cs.AI cs.CR
A Threat-Intelligence Driven Methodology to Incorporate Uncertainty in Cyber Risk Analysis and Enhance Decision Making
本文提出威胁情报驱动的安全评估与决策方法论，利用因果图替代攻击树并纳入已知未知、未知未知及多层级TTP，以降低网络风险分析中的不确定性。
2023-06-26 cs.CR
Mining Threat Intelligence about Open-Source Projects and Libraries from Code Repository Issues and Bug Reports
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
开源项目和库被用于软件开发，同时也存在多个安全漏洞。第三方生态系统的使用为开发中的产品创造了一种新的攻击面。智能攻击者可以通过利用链接项目和库中存在的漏洞之一来攻击产品。在本文中，我们从公共代码存储库中报告的错误和问题中挖掘有关开源项目和库的威胁情报。我们还跟踪客户机上已安装软件的库和项目依赖关系。我们表示并存储此威胁情报，以及安全知识图谱中的软件依赖关系。然后，安全分析师和开发人员可以查询知识图谱，并在发现任何关于其产品中使用的链接库和项目的威胁情报时从知识图谱接收警报。
2018-08-09 cs.AI cs.CR cs.SE
Privacy-preserving and Trusted Threat Intelligence Sharing using Distributed Ledgers
威胁信息共享被认为是增强可信合作伙伴整体安全的主动防御方法之一。值得信赖的合作伙伴组织可以提供对过去和当前网络安全威胁的访问，以降低潜在网络攻击的风险-威胁信息共享的要求范围从简单的文档共享到威胁情报共享。因此，高度敏感的威胁信息的存储和共享引起了关于构建安全、可信的威胁信息交换基础设施的相当大的关注。建立一个可信的威胁共享生态系统将促进存储信息的有效性、安全性、匿名性、可扩展性、延迟效率和可追溯性，从而保护其免受未经授权的泄露。本文提出了一种系统，通过利用分布式账本技术来确保上述安全原则，该技术通过智能合约提供安全的分散操作，并为MITRE ATT\& CK框架的威胁信息存储和共享提供隐私保护生态系统。
2021-12-19 cs.CR
