No SQL, No Injection? Examining NoSQL Security
NoSQL数据存储系统由于其可扩展性和易用性而变得非常流行。本文探讨了NoSQL数据库安全措施的成熟度，解决了它们新的查询和访问机制。例如，新的查询格式的出现使得旧的SQL注入技术变得无关紧要，但是NoSQL数据库通常对注入免疫吗？在这里，我们提出了一些攻击NoSQL数据库的技术，如注入和CSRF。我们分析了这些漏洞的来源，并提出了减轻攻击的方法。我们发现，这个新的充满活力的技术领域缺乏安全措施和意识，多年来在传统的RDBMS SQL系统中开发。
2015-06-12 cs.CR
Data Retrieval over DNS in SQL Injection Attacks
本文介绍了一种先进的SQL注入技术，利用DNS解析过程检索恶意SQL查询结果。由此产生的DNS请求被攻击者自己在受控的远程名称服务器上拦截，提取有价值的数据。开源SQL注入工具sqlmap已被调整为自动执行此任务。通过修改，攻击者能够使用这种技术进行快速和低调的数据检索，特别是在其他标准失败的情况下。
2013-03-12 cs.CR cs.DB cs.NI
Detecting and Mitigating SQL Injection Vulnerabilities in Web Applications
本文提出一种基于OWASP ZAP、sqlmap和Nmap的全面渗透测试方法，用于检测和缓解PHP-MySQL应用中的SQL注入漏洞，并验证了输入清理与预处理语句的有效性。
2025-06-07 cs.CR
Reverse Proxy Framework using Sanitization Technique for Intrusion Prevention in Database
随着互联网在我们日常生活中的重要性越来越大，Web应用程序中的数据安全变得非常重要。随着在线实时的事务服务的日益增多，与数据库安全相关的问题也日益增多。攻击者使用非法和未经授权的方法劫持机密信息，如用户名，密码和其他重要细节。因此，实时的事务需要针对基于web的攻击的安全性。SQL注入和跨站脚本攻击是最常见的应用层攻击。SQL注入攻击者通过Web应用程序输入字段、URL或隐藏参数传递SQL语句，并访问数据库或更新数据库。攻击者利用用户提供的数据，将用户输入作为SQL代码处理。利用此漏洞，攻击者可以直接在数据库上执行SQL命令。SQL注入攻击是最严重的威胁，它将用户输入集成到SQL查询中。反向代理是一种用于清理可能转化为数据库攻击的用户输入的技术。在该技术中，数据重定向程序在用户输入被发送到应用服务器之前将其重定向到代理服务器。在代理服务器处，使用净化应用程序来触发数据清理算法。在这个框架中，我们包括检测和净化被发送到数据库的污染信息，并创新一个新的原型。
2013-11-26 cs.CR cs.DB
Intrusion Detection Framework for SQL Injection
在这个互联网时代，电子商务和电子商务应用程序都使用数据库作为其不可分割的一部分。这些数据库无论使用何种技术都容易受到SQL注入攻击。这些攻击被认为是非常危险的，以及非常容易使用的攻击者和入侵者。在本文中，我们提出了一种新的方法来检测入侵攻击者使用SQL注入。我们提出的解决方案的主要思想是创建可信的用户简档从授权用户提交的电子邮件中提取使用关联规则。之后，我们将使用一个混合（异常+误用）检测模型，它将依赖于数据采掘技术来检测偏离我们正常行为配置文件的查询。将以XML格式创建正常行为配置文件。这样我们就可以减少误报。
2020-09-29 cs.CR
Preventing SQL Injection attack using pattern matching algorithm
SQL注入攻击是一类注入漏洞，其中特制的输入字符串导致对数据库的非法查询，是Web应用程序的最大威胁之一。已经开发了一些研究原型和商业产品，在Web应用程序中维护查询结构。但这些技术要么无法解决问题的全部范围，要么有局限性。根据我们的观察，SQL注入攻击中注入的字符串在不同的数据库上有不同的解释，注入攻击是一种可以在原始字符串上注入任何类型的恶意字符串或异常字符串的方法。模式匹配是一种可用于从顺序动作中识别或检测任何异常数据包的技术。大多数基于模式的技术都使用静态分析，并且模式是从被攻击的语句中生成的。提出了一种基于AhoCorasick模式匹配算法的SQL注入攻击检测与防范技术。在本文中，我们提出了一个概述的架构。在初始阶段的评估中，我们考虑了一些标准的攻击模式的样本，它表明所提出的算法是很好地抵抗SQL注入攻击。
2015-04-27 cs.CR cs.DB
Framework of SQL Injection Attack
随着全球化人口统计数据的不断变化，Web应用程序的出现和流行在技术和进步领域中扮演着核心和关键的角色。因此，必须深入探讨使用的架构、意义和不同方面。Web应用程序包含用户和服务器提供的服务之间的功能，服务器包含作为其后端的数据库。用户可以通过向Web服务器发送文本形式的请求来访问所需的信息，该请求由服务器端脚本解释以构造SQL。查询被发送到数据库，数据库响应以生成发送回用户的HTML页面。由于Web应用程序的运行是一个动态和复杂的问题，对数据库安全的某些威胁已经注册。其中一个令人担忧的威胁是SQL注入攻击的流行。为此，本文提出了一种基于上下文无关文法和编译器解析技术的动态SQL注入攻击防范算法。本文提出了一种防止SQL注入攻击的SQLI防止解析器的概念。这个解析器确定查询的结构，并比较查询在功能上是否等价。该解析器已在一个示例Web应用程序上使用，结果表明，它对防止SQL注入攻击具有积极的意义。
2012-07-06 cs.CR cs.NI
Simulating SQL Injection Vulnerability Exploitation Using Q-Learning Reinforcement Learning Agents
University of Oslo（奥斯陆大学）
在本文中，我们提出了一个形式化的过程中利用SQL注入漏洞。我们认为简化的动态SQL注入攻击铸造这个问题作为一个安全捕获的标志的挑战。我们将其建模为马尔可夫决策过程，并将其实现为强化学习问题。然后，我们部署了强化学习代理，其任务是学习执行SQL注入的有效策略;我们设计训练的方式是，代理不仅学习解决单个挑战的特定策略，而且学习更通用的策略，可以应用于对我们的问题生成器随机实例化的任何系统执行SQL注入攻击。我们分析的结果，学习的政策的质量和收敛时间的函数的复杂性的挑战和学习代理的复杂性。我们的工作适合于更广泛的研究智能代理的自主渗透测试和白帽黑客的发展，我们的研究结果旨在帮助理解安全环境中强化学习的潜力和局限性。
2021-05-22 cs.CR cs.LG
Enhancing Web Application Firewalls with BERT-GNN for SQL Injection Detection
University of Reading（雷丁大学）
本研究提出优化的混合BERT-GNN流水线，经Optuna调优后在SQL注入检测上取得高准确率，鲁棒性良好，相关资源已开放验证。
2026-09-01 cs.CR
Multi-Agent Honeypot-Based Request-Response Context Dataset for Improved SQL Injection Detection Performance
Guangdong Provincial Laboratory of Ultra High Defnition Immersive Media Technology（广东省超高清沉浸式媒体技术实验室）
本文提出基于多智能体蜜罐的请求-响应上下文数据集，通过构建高质量数据集提升SQL注入检测性能，实验显示模型准确率提升超过40%。
2026-03-03 cs.CR
Advancing SQL Injection Detection for High-Speed Data Centers: A Novel Approach Using Cascaded NLP
本文提出融合经典 NLP 与 transformer 模型的级联 SQLi 检测方法，在 3 万余条 SQL 语句上对比 35 种方法，达到 99.86% 准确率且速度提升 20 倍。
2023-12-20 cs.CR
A Detailed Survey on Various Aspects of SQL Injection in Web Applications: Vulnerabilities, Innovative Attacks, and Remedies
在当今世界，Web应用程序在个人生活以及任何国家的发展中都扮演着非常重要的角色。近年来，Web应用程序经历了非常快速的增长，其采用速度比几年前预期的要快。如今，数十亿笔交易是在不同Web应用程序的帮助下在线完成的。虽然这些应用程序被数百人使用，但在许多情况下，安全级别较弱，这使得它们容易受到损害。在大多数情况下，在与后端数据库建立任何通信之前，必须识别用户。不应允许任意用户在没有有效凭据证明的情况下访问系统。但是，特制的注入会让未经授权的用户访问。这主要是通过SQL注入输入完成的。尽管开发了不同的方法来防止SQL注入，但它仍然是Web应用程序的一个令人担忧的威胁。在本文中，我们详细介绍了各种类型的SQL注入漏洞，攻击及其预防技术。除了展示我们的研究结果外，我们还记录了未来的期望和针对SQL注入攻击的对策的可能发展。
2013-06-17 cs.CR cs.DB cs.NI
Adversarial SQL Injection Generation with LLM-Based Architectures
Department of Computer Engineering, NETLAB（计算机工程系，NETLAB）
本文提出RADAGAS和RefleXQLi两种LLM-based系统，评估其在10个WAF和MySQL验证器上的对抗性SQL注入生成性能，发现RADAGAS-GPT4o在绕过WAFs方面表现优异。
2026-05-11 cs.AI cs.CR cs.ET
ConsiDroid: A Concolic-based Tool for Detecting SQL Injection Vulnerability in Android Apps
在本文中，我们提出了一个concolic执行技术，用于检测Android应用程序中的SQL注入漏洞，我们称之为ConsiDroid的新工具。我们使用mocking技术扩展应用程序的源代码，这样原始源代码的执行不受影响。扩展的源代码可以被视为Java应用程序，并且可以由SPF以concolic执行来执行。我们自动地从静态分析中生成一个DummyMain类，以便按顺序调用基本函数，并触发导致易受攻击函数的事件。我们在ConsiDroid中使用污点分析扩展SPF。为了使污点分析成为可能，我们引入了一种新的符号模拟类技术，以减轻污染值在代码中的传播。SQL注入漏洞是通过接收易受攻击的函数的污染值来检测的。此外，ConsiDroid还利用静态分析来调整SPF，以便只检查可疑路径。为了说明ConsiDroid的适用性，我们从F-Droid存储库中随机选择了140个应用程序。从这些应用程序中，我们发现了三个容易受到SQL注入攻击的应用程序。为了验证它们的漏洞，我们使用Robolectric根据ConsiDroid的报告手动分析了这些应用程序。
2019-08-08 cs.CR cs.SE
Are Your LLM-based Text-to-SQL Models Secure? Exploring SQL Injection via Backdoor Attacks
本研究提出ToxicSQL后门攻击框架，利用语义和字符级触发器及SQL注入载荷，仅注入0.44%数据即可达79.41%攻击成功率，并提出了检测与缓解策略，凸显了Text-to-SQL安全防御的紧迫性。
2025-09-08 cs.CR cs.DB
SQL Injection Jailbreak: A Structural Disaster of Large Language Models
本文提出针对大语言模型外部属性的SQL注入越狱攻击方法SIJ，在开源和闭源模型上均实现极高攻击成功率，同时暴露新漏洞并提出Self-Reminder-Key自适应防御方法验证有效。
2025-05-21 cs.CR
TPSQLi: Test Prioritization for SQL Injection Vulnerability Detection in Web Applications
本文提出了一种针对Web应用SQL注入漏洞的新型测试优先级排序方法TPSQLi，通过利用先前的测试结果动态调整后续测试的防御强度向量，优化测试工作流程，从而有效提升了漏洞检测与缓解的效率。
2025-09-13 cs.CR cs.SE
Enhancing Web Application Firewalls with Machine Learning for SQL Injection Detection
University of Reading（雷丁大学）
本研究设计并优化了DistilBERT-堆叠集成模型，提升了SQL注入检测的准确率与鲁棒性，大幅降低推理延迟，为构建实时高效的Web应用防火墙提供了新方案。
2026-09-01 cs.CR
Collaborative SQL-injections detection system with machine learning
数据采掘和从数据中信息抽取是近年来由于基于人工智能的技术以及机器和深度学习的使用而获得相关性的领域。本工作的主要目的是开发一个工具的基础上，以前的行为研究的安全审计工具（面向SQL渗透测试）的目的是创建测试集能够执行一个准确的检测SQL攻击。该研究是基于通过在渗透测试实验室环境中生成的Web服务器日志收集的信息。然后，利用从日志中提取的共同模式，每个攻击向量已被分类的风险级别（危险攻击，正常攻击，非攻击等）。最后，使用生成的数据进行训练，以获得在积极攻击检测中具有97%至99%的可变性能的分类器系统。将训练数据共享给其他服务器，以便创建能够决定查询是攻击还是真实请求的分布式网络，并通知连接的客户端，以便阻止来自攻击者IP的请求。
2022-09-14 cs.CR
AdvSQLi: Generating Adversarial SQL Injections against Real-world WAF-as-a-service
本文提出通用可扩展的对抗攻击框架AdvSQLi，通过对SQLi负载层次树进行最小转换生成绕过黑盒WAF即服务且保持恶意的负载，实验证明其对主流WAF及检测器攻击成功率最高达100%，揭示了厂商难以修补的严重缺陷。
2024-01-09 cs.CR
Spinner: Automated Dynamic Command Subsystem Perturbation
注入攻击一直是Web应用程序的主要威胁。尽管在阻止注入攻击方面做出了重大努力，但是由于利用现有保护技术的设计和实现缺陷的复杂攻击，针对注入攻击的保护仍然具有挑战性。在本文中，我们开发了Spinner，一个系统，提供一般的保护，防止输入注入攻击，包括OS/shell命令，SQL和XXE注入。Spinner并没有专注于检测恶意输入，而是不断地随机化底层子系统，以便注入的输入（例如，命令或SQL查询）将不被执行，因此被阻止。我们重新审视了以前的基于随机化的技术的设计和实现选择，并开发了一个更强大和实用的保护，以抵御各种复杂的输入注入攻击。为了处理复杂的现实世界的应用程序，我们开发了一个双向的分析，结合向前和向后的静态分析技术，以确定预期的命令或SQL查询，以确保正确执行的随机化目标程序。我们为shell命令处理器和两个不同的数据库引擎（MySQL和SQLite）以及包括C/C++、PHP、JavaScript和Lua在内的多种程序设计语言实现了Spinner。我们对42个实际应用程序（包括27个易受攻击的应用程序）的评估结果表明，它有效地防止了各种输入注入攻击，运行时开销较低（约5%）。
2021-09-16 cs.CR
ModSec-AdvLearn: Countering Adversarial SQL Injections with Robust Machine Learning
Dept. of Electrical and Electronic Engineering, University of Cagliari（电子工程系，卡利亚里大学）；Department of Computer, Control and Management Engineering, Sapienza University（计算机、控制与管理工程系，萨皮恩扎大学）；Dept. of Digital Security, EURECOM（数字安全系，EURECOM）；Department of Informatics, Bioengineering, Robotics and Systems Engineering (DIBRIS), University of Genova（信息学、生物工程、机器人学和系统工程系（DIBRIS），热那亚大学）；Prima Assicurazioni（普里玛保险）；Endor Labs（Endor实验室）；Pluribus One
针对CRS配置在SQLi检测中权衡次优且不鲁棒的问题，提出ModSec-AdvLearn，利用机器学习自动选择规则和权重，并结合对抗训练，显著提升检测率与鲁棒性。
2025-05-21 cs.CR cs.LG
SecureMCP: A Policy-Enforced LLM Data Access Framework for AIoT Systems via Model Context Protocol
Data Science Lab Co., Ltd.（数据科学实验室有限公司）
本文提出SecureMCP框架，结合RBAC与MCP服务器，通过五种防御模块实现多层防护，提升LLM生成SQL的安全性，实验显示其在保护数据安全和执行准确率方面表现优异。
2026-05-06 cs.CR
Data Leakage Prevention in Agentic Applications via Preemptive Hardening
Faculty of Computer and Information Science（计算机与信息科学系）；Ben-Gurion University of the Negev（内盖夫本· Gurion大学）
研究智能应用数据泄露问题，提出预部署管道，通过分析提示模板等识别泄露模式并生成补丁，经硬化和验证确保应用功能不受影响，评估显示能有效减少数据泄露。
2026-07-22 cs.AI cs.CR
SecInfer: Preventing Prompt Injection via Inference-time Scaling
Penn State University（宾夕法尼亚州立大学）；Duke University（杜克大学）
针对提示注入攻击对LLMs的威胁，提出基于推理时扩展的SecInfer防御方法，通过系统提示引导采样和目标任务引导聚合两步，利用额外推理计算资源，有效缓解现有及自适应攻击，性能优于现有防御及推理时扩展方法。
2025-11-14 cs.AI cs.CR
RedVisor: Reasoning-Aware Prompt Injection Defense via Zero-Copy KV Cache Reuse
Nanyang Technological University, Singapore（南洋理工大学）
RedVisor通过零拷贝KV缓存重用实现推理感知的提示注入防御，结合检测与预防策略，提升安全性和效率。
2026-02-02 cs.AI cs.CR cs.LG
pikit: A Composable Toolkit for Indirect Prompt Injection Research and Evaluation
Zhuque Lab（朱雀实验室）
本文提出pikit工具包，系统评估间接提示注入的攻击、渠道与防御，在真实环境中使攻击成功率降低71.8%，并实现可复现的自动记录。
2026-09-30 cs.CR
The Promptware Kill Chain: How Prompt Injections Gradually Evolved Into a Multistep Malware Delivery Mechanism
Department of Software and Information Systems Engineering, Ben-Gurion University of the Negev（本·古里安大学软件与信息系统工程系）；School of Electrical and Computer Engineering, Tel Aviv University（特拉维夫大学电气与计算机工程学院）；Harvard Kennedy School, Harvard University, and Munk School, University of Toronto（哈佛大学哈佛肯尼迪学校及多伦多大学穆克学校）
本文提出提示武器杀链模型，揭示提示注入演变为多步骤恶意软件攻击机制的过程，并提出针对各阶段的防御策略。
2026-02-10 cs.AI cs.CR
SQLi Detection with ML: A data-source perspective
Budapest University of Technology and Economics（布达佩斯技术与经济大学）；ELKH-BME Information Systems Research Group（ELKH-BME信息系统研究组）；Laboratory of Cryptography and System Security（密码学与系统安全实验室）
本文从数据源视角系统审视基于机器学习的 SQLi 检测，围绕评估、参数优化、数据分布和特征选择开展实证分析，并通过跨分布交叉验证与工业数据集验证模型的实际部署敏感性。
2023-04-24 cs.CR cs.LG
A Secure Design Pattern Approach Toward Tackling Lateral-Injection Attacks
为对抗性漏洞创建攻击面的软件弱点，例如横向SQL注入（LSQLi）攻击，通常在软件开发的设计阶段引入。安全设计模式有时被用来解决这些弱点。然而，由于侧向攻击的隐蔽性，使用传统的安全模式来解决这些威胁是不够的。因此，我们提出了SEAL，一个安全的设计，推断架构，设计和实现的抽象级别，以代表安全策略对解决LSQLi攻击。我们使用案例研究软件对SEAL进行了评估，在该软件中，我们假设对手的角色，并注入了几个攻击向量，这些攻击向量的任务是破坏其数据库的机密性和完整性。我们对SEAL的评估证明了它解决LSQLi攻击的能力。
2022-10-23 cs.CR
Investigating Man-in-the-Middle-based False Data Injection in a Smart Grid Laboratory Environment
随着信息和通信技术在电网中的日益广泛应用，网络攻击对能源供应安全的威胁日益严重。传统的网络安全措施，如防火墙或入侵检测/预防系统，可用作缓解和预防措施，但有效使用这些措施需要深入了解能源信息系统中的潜在威胁格局和复杂的攻击过程。鉴于智能电网应用中协调的定时攻击的复杂性和缺乏详细的知识，我们需要在适当和实用的环境中了解现实的攻击场景。在本文中，我们提出了一种基于中间人的攻击方案，该方案拦截控制系统和现场设备之间的过程通信，采用错误数据注入技术，并执行数据损坏，如向现场设备发送错误命令。我们证明了物理智能电网实验室环境中的攻击场景的适用性，并分析正常和攻击条件下生成的数据，提取特定领域的知识检测机制。
2021-10-18 cs.CR cs.NI cs.SY
An Innovative Security Strategy using Reactive Web Application Honeypot
如今，Web应用程序已成为行业中最流行的应用程序，大多数组织的关键数据都是使用Web应用程序存储的。因此，Web应用程序成为各种网络攻击的更大目标，这些攻击包括数据库注入-SQL注入，PHP对象注入，模板注入，XML外部实体注入，未经消毒的输入攻击-跨站点脚本（XSS）等等。在众多的解决方案中，Web应用程序蜜罐是一种复杂而强大的保护机制。在本文中，我们提出了一个低交互，自适应，动态的Web应用程序蜜罐，通过HTTP事件模仿漏洞。蜜罐是用SNARE和TANNER构建的; SNARE创建攻击面并将请求发送给TANNER，TANNER评估它们并决定SNARE应该如何响应请求。TANNER是一个分析和分类工具，它分析和评估由SNARE提供的HTTP请求，并组成响应，它由模拟器提供支持，模拟器是用于模拟漏洞的引擎。
2021-05-11 cs.CR
Threshold Breaker: Can Counter-Based RowHammer Prevention Mechanisms Truly Safeguard DRAM?
本文提出Threshold Breaker多侧故障注入攻击，通过攻击距目标行更远的行绕过基于计数器的RowHammer防御，并在128款DDR4 DRAM及DNN对抗攻击中验证其有效性。
2023-11-28 cs.AR cs.CR
Detection and Prevention of Process Disruption Attacks in the Electrical Power Systems using MMS Traffic: An EPIC Case
Birla Institute of Technology and Science Pilani, Hyderabad Campus（比拉理工学院皮拉尼校区）；Singapore University of Technology and Design（新加坡科技设计大学）
本文提出了一种基于MMS流量的自动攻击检测与预防框架，用于识别和阻止针对智能电网的远程网络攻击，通过分析MMS协议字段值对，提升智能电网的网络安全水平。
2026-01-07 cs.CR
MELON: Provable Defense Against Indirect Prompt Injection Attacks in AI Agents
University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文提出 MELON，通过掩码用户提示后重放并比较智能体操作来检测 IPI 攻击，在 AgentDojo 上实现优于现有方法的安全性与效用保持。
2025-06-10 cs.AI cs.CR
Prompt Injection Attack to Tool Selection in LLM Agents
本研究提出ToolHijacker新型提示注入攻击，通过注入恶意工具文档操纵LLM智能体工具选择以选恶意工具，实验证明其优于现有攻击且现有防御不足，凸显新防御策略开发的迫切性。
2025-08-24 cs.CR
From Prompt Injections to Protocol Exploits: Threats in LLM-Powered AI Agents Workflows
Department of Computer and Network Engineering, College of Information Technology, United Arab Emirates University（阿联酋大学计算机与网络工程系）；Technology Innovation Institute（技术创新研究所）；Eötvös Loránd University（埃奥瓦大学）；Department of Computer Science, Guelma University（古尔马大学计算机科学系）；De Montfort University（德蒙福特大学）；Khalifa University of Science and Technology（卡里玛科学技术大学）
本文提出了一种统一的端到端威胁模型，系统分类了LLM代理生态系统中的三十多种攻击技术，涵盖输入操纵、模型妥协、系统和隐私攻击及协议漏洞，并提供缓解策略以设计安全的代理AI系统。
2025-12-14 cs.AI cs.CR
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
Exploiting ML algorithms for Efficient Detection and Prevention of JavaScript-XSS Attacks in Android Based Hybrid Applications
多年来，移动应用程序的安全性开发和分析已成为一个活跃的研究领域，因为许多应用程序容易受到不同的攻击。特别是在过去三年中出现了混合应用程序的概念，其中应用程序以本地语言和Web语言开发，因为Web语言的使用在混合移动应用程序中增加了某些安全风险，因为它创建了可能的渠道，恶意代码可以被注入应用程序中。WebView是混合移动应用程序中的重要组件，用于实现沙箱机制，以保护智能手机设备的本地资源免受未经授权的JavaScript访问。然而，WebView应用程序编程接口（API）也存在安全问题。例如，攻击者可以通过访问应用程序的公共方法绕过沙箱安全性来经由JavaScript代码攻击混合应用程序。跨站脚本（XSS）是一种最流行的恶意代码注入技术，用于通过JavaScript访问应用程序的公共方法。这项研究提出了一个框架，在混合应用程序中使用最先进的机器学习（ML）算法检测和预防XSS攻击。攻击的检测已经通过利用注册的Java对象功能来执行。数据集和示例混合应用程序是使用android studio开发的。然后使用了目前广泛使用的工具RapidMiner进行实证分析。实验结果表明，基于集成的随机森林算法的性能优于其他算法，准确率和F-测度均高达99%。
2020-07-30 cs.CR cs.SE
Proactive Web Server Protocol for Complaint Assessment
漏洞发现与攻击注入对于服务器软件的安全威胁越来越大，在软件开发时，对软件进行功能测试。由于未意识到软件漏洞，因此在预发布之前，应对软件进行全面测试，不仅测试功能可靠性，还应测试安全流（或）漏洞。模糊器、故障注入、漏洞扫描器、静态漏洞分析器、运行时间预防机制和软件恢复等方法正在识别未打补丁的软件，这些软件可能面临安全威胁，从而解决“安全测试”问题。这些技术对于生成攻击是有用的，但不能扩展到新的攻击领域。该系统称为主动漏洞攻击注入工具，适用于添加新的攻击注入向量，使用工具的接口定义新的协议状态（或）规范的方法包括使用GUI的网络服务器协议规范，攻击生成器，攻击注入器，受害者注入器监视模块，受害者机器监视模块和攻击注入报告生成。该工具可以解决大多数漏洞（或）安全流。
2014-02-09 cs.CR cs.NI
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
Prompt Fencing: A Cryptographic Approach to Establishing Security Boundaries in Large Language Model Prompts
Thoughtworks（思特沃克）
Prompt Fencing通过密码学方法在LLM提示中建立安全边界，有效防止提示注入攻击。
2025-11-24 cs.AI cs.CR
Cyber Attacks Detection, Prevention, and Source Localization in Digital Substation Communication using Hybrid Statistical-Deep Learning
Delft University of Technology（代尔夫特理工大学）；DNV Netherlands B.V.（DNV荷兰有限公司）；Elia Group Innovation（Elia集团创新中心）；University of Michigan–Dearborn（密歇根大学迪尔伯恩分校）
本文提出基于混合统计-深度学习的方法，用于检测、预防和定位IEC 61850 SV注入攻击，提升数字变电站通信安全性。
2026-07-28 cs.CR cs.SY eess.SY
Enhancing GraphQL Security by Detecting Malicious Queries Using Large Language Models, Sentence Transformers, and Convolutional Neural Networks
Department. of CSE University of Moratuwa Colombo, Sri Lanka（计算机科学与工程系，穆塔瓦拉大学，科伦坡，斯里兰卡）
本文提出一种结合静态分析、LLM、句子转换器和CNN等机器学习技术的AI方法，用于实时检测恶意GraphQL查询，以增强API安全性，实验证明能高准确率识别多种攻击并有效缓解DoS和SSRF。
2025-10-08 cs.AI cs.CR cs.LG
Breaking Semantic-Aware Watermarks via LLM-Guided Coherence-Preserving Semantic Injection
University of New South Wales（新南威尔士大学）；Griffith University（格里菲斯大学）
本文提出CSI攻击，利用LLM引导的语义操纵破坏语义水印的绑定，揭示当前语义水印设计在面对LLM驱动的语义扰动时的安全漏洞。
2026-02-25 cs.CR cs.CV cs.LG
Jamming aided Generalized Data Attacks: Exposing Vulnerabilities in Secure Estimation
干扰是指仪表测量的删除、损坏或损坏，从而阻止其进一步使用。这与对抗性数据注入不同，对抗性数据注入改变仪表读数，同时保留它们在状态估计中的效用。本文提出了一种广义的攻击制度，使用干扰的安全和不安全的测量，大大扩大了文献中常见的“隐藏”和“可检测”的数据注入攻击的范围。对于“隐藏”攻击，它表明，干扰，最佳的攻击是在一个特定的加权图的最小可行割。更重要的是，对于“可检测”的数据攻击，本文表明，对抗性干扰和数据注入的整个相对成本范围可以分为三个独立的区域，具有不同的基于图切割的最佳攻击结构。近似算法的攻击设计和IEEE测试用例的模拟证明了他们的性能。此外，它被证明，防止这种攻击需要所有网格测量的安全性。这项工作全面量化了干扰的双重对抗性好处：（a）降低攻击成本，（b）提高对安全测量的弹性，从而增强数据攻击的潜力。
2015-09-15 cs.CR math.OC
APEX: Active Protection at Execution Boundaries for LLM Agents
Tsinghua University（清华大学）；Imperial College London（帝国理工学院）；Nanjing University（南京大学）；The Chinese University of Hong Kong（香港中文大学）；University College London（伦敦大学学院）；A*STAR（新加坡科技研究局）；University of British Columbia（不列颠哥伦比亚大学）；Shenzhen University（深圳大学）；The University of Hong Kong（香港大学）
APEX通过在执行边界强制执行基于授权契约的证据门控预防和欺骗暴露，统一防护LLM智能体免受间接提示注入，在多个基准上实现近零攻击成功率。
2026-10-08 cs.AI cs.CR
Enhancing REST API Fuzzing with Access Policy Violation Checks and Injection Attacks
Erciyes University（埃尔齐耶斯大学）；Kristiania University College（克里斯蒂亚尼亚大学学院）；Beihang University（北京航空航天大学）；Oslo Metropolitan University（奥斯陆都市大学）
本文提出新型自动化或acles检测REST API访问策略违规及传统攻击，集成EvoMaster fuzzers，通过模糊测试发现安全问题。
2026-04-01 cs.CR cs.SE
Resilience of IEC 61850 Sampled Values-Based Protection Systems Under Coordinated False Data Injections
Norwegian University of Science and Technology（挪威科技大学）
本文研究了针对IEC 61850采样值协议的协调虚假数据注入攻击对数字变电站韧性的影响，通过实验验证了攻击可行性，并提出基于可信独立通道的防御策略。
2026-05-08 cs.CR cs.SY eess.SY
Execution Integrity with In-Place Encryption
指令集随机化（ISR）最初是为了对抗代码注入攻击而提出的。然而，ISR似乎已经失去了吸引力，因为代码注入攻击变得不那么有吸引力，因为保护机制，如数据执行预防（DEP）以及代码重用攻击变得更加普遍。在本文中，我们表明，ISR可以扩展到也防止代码重用攻击，同时提供类似的软件多样性，控制流的完整性和信息隐藏的安全保证。我们提出了Scylla方案，该方案部署了一种新的就地代码加密技术来隐藏随机二进制的代码布局，并将控制流限制在良性执行路径。这使我们能够i）隐式地将控制流目标限制为基本块条目，而无需提取控制流图，ii）在合法的基本块内实现执行完整性，以及iii）在对程序的恶意读访问下隐藏底层代码布局。我们的分析表明，Scylla能够防止最先进的攻击，如即时返回导向编程（JIT-ROP）和抗崩溃导向编程（CROP）。我们广泛评估我们的原型实现的锡拉，并显示可行的性能开销。我们还详细介绍了如何通过专用硬件支持显著降低此开销。
2017-03-08 cs.CR
Machine Learning Based Network Vulnerability Analysis of Industrial Internet of Things
保护工业物联网（IIoT）设备至关重要，因为一旦发生攻击，可能会造成破坏性后果。机器学习和大数据分析是分析和保护物联网（IoT）技术的两个强大杠杆。通过扩展，这些技术也可以帮助提高IIoT系统的安全性。在本文中，我们首先介绍了常见的IIoT协议及其相关漏洞。然后，我们运行一个网络脆弱性评估，并讨论利用机器学习来对抗这些脆弱性。接着，文献回顾了现有的入侵检测解决方案，使用机器学习模型。最后，我们讨论了我们的案例研究，其中包括一个真实世界的测试平台，我们已经建立了进行网络攻击和设计的入侵检测系统（IDS）的细节。我们部署后门，命令注入和结构化查询语言（SQL）注入攻击系统，并演示如何基于机器学习的异常检测系统可以很好地检测这些攻击。我们已经通过代表性的指标来评估性能，以便对方法的有效性有一个公正的观点。
2019-11-13 cs.CR cs.LG cs.NI
Experimental Validation of Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles
The University of Alabama（阿拉巴马大学）
本文验证了一种基于传感器融合的GNSS欺骗攻击检测框架，通过LSTM神经网络预测位置偏移和随机森林分类转弯两种策略，有效检测自动驾驶汽车面临的复杂GNSS欺骗攻击。
2024-01-02 cs.AI cs.CR
CyberRAG: An Agentic RAG cyber attack classification and reporting tool
University of Calabria（卡利博里大学）；IMT School for Advanced Studies（IMT高级研究学院）
CyberRAG是一种基于代理的RAG框架，通过模块化设计实现网络攻击的实时分类、解释和结构化报告，提高检测准确性和可解释性。
2025-09-10 cs.AI cs.CR cs.SE
Generative AI in Cybersecurity: A Comprehensive Review of LLM Applications and Vulnerabilities
Guelma University（盖勒马大学）；Technology Innovation Institute（技术创新研究院）；Concordia University（康考迪亚大学）；University of Oslo（奥斯陆大学）；Khalifa University of Science and Technology（哈利法科技大学）
该综述梳理了大语言模型在多类网络安全场景的应用、现有漏洞与防护策略，评估了42款模型的安全性能与相关数据集，总结了优化LLM安全应用的技术，为LLM融入网络安全框架提供方向。
2025-01-17 cs.AI cs.CR
