Adversarial Threat Vectors and Risk Mitigation for Retrieval-Augmented Generation Systems
Fire Mountain Labs
本文分析了检索增强生成(RAG)系统面临的提示注入、数据投毒和对抗性查询操纵等主要对抗威胁,并从风险管理视角提出了包含输入验证、对抗训练和实时监控的优先控制列表以缓解风险。
2025-05-30 cs.AI cs.CR
Towards a Unified Misuse Monitoring Benchmark
University of Oxford(牛津大学)
针对LLM智能体面临的分解攻击和提示注入攻击,提出统一的滥用监控框架,通过监控行动识别伤害窗口,构建约6200条对话基准,行动框架监控器在经典指标下表现优异(AUC 0.95/0.99),并揭示位置盲指标的乐观偏差。
2026-10-07 cs.AI cs.CR cs.LG
Benchmarking LLM-Assisted Blue Teaming via Standardized Threat Hunting
State University of New York at Binghamton(纽约州立大学布ingham顿分校);University of Alabama at Birmingham(阿拉巴马大学伯明翰分校);Duke University(杜克大学)
本文提出CyberTeam基准,通过构建标准化工作流和模块化操作步骤,评估大语言模型在蓝队威胁狩猎中的有效性,并揭示标准化设计带来的改进与开放式推理的局限性。
2026-05-28 cs.AI cs.CR
DECEIVE-AFC: Adversarial Claim Attacks against Search-Enabled LLM-based Fact-Checking Systems
本文提出DECEIVE-AFC框架,通过新型声明级攻击策略和对抗性声明有效性评估原则,研究对抗性声明攻击对基于大语言模型的事实核查系统的影响,实验表明攻击显著降低验证性能。
2026-03-14 cs.AI cs.CR
Formal Methods Meet LLMs: Auditing, Monitoring, and Intervention for Compliance of Advanced AI Systems
University of Toronto, Vector Institute(多伦多大学,向量研究所)
本文提出结合形式方法与机器学习的审计和监控技术,用于检测AI系统中时间扩展行为约束的违规,实验表明其在检测违规方面优于LLM基方法,且能有效降低LLM代理的违规率。
2026-05-15 cs.AI cs.CY cs.LG
Generative AI for Cyber Threat-Hunting in 6G-enabled IoT Networks
正在开发下一代蜂窝技术6G,以实现物联网(IoT)的各种新应用和服务。6G对于物联网应用的主要优势之一是它能够支持更高的数据率和带宽,以及支持超低延迟。然而,随着连接性的增加,网络威胁的风险也会增加,因为攻击者将能够利用连接设备的大型网络。生成式人工智能(AI)可用于通过不断学习和适应新的威胁和漏洞来检测和预防网络攻击。在本文中,我们讨论了在支持6G的物联网网络中使用生成式人工智能进行网络威胁搜索(CTH)。然后,我们提出了一种新的生成对抗网络(GAN)和基于转换器的模型,用于支持6G的物联网网络中的CTH。新的网络安全数据集的实验分析结果表明,CTH基于transformer的安全模型可以检测到物联网攻击,总体准确率高达95%。我们研究了挑战和机遇,并强调了生成式人工智能在增强支持6G的物联网网络安全性方面的潜力,并呼吁在这一领域进行进一步的研究。
2023-03-21 cs.CR
Multi-Stage Threat Modelling and Security Monitoring in 5GCN
第五代移动网络(5G)承诺了一系列新功能,包括更高的数据率和更多的连接用户。为了支持新的功能和用例,5G核心网络(5GCN)将是动态和可重新配置的,以满足需求。正是这些改进也为传统的安全监控方法和技术引入了问题,这些方法和技术需要适应新的网络架构。不断增加的数据量和动态的网络架构意味着需要一种方法来将安全监控资源集中在最需要的地方,并对网络变化做出实时的反应。在考虑多阶段威胁场景时,需要一种协调的集中式安全监控方法,以早期检测可能影响网络不同部分的攻击。在本章中,我们确定了克服这些挑战的潜在解决方案,首先确定5G网络的威胁,以确定5GCN中合适的安全监控位置。
2021-08-25 cs.CR
Security Threats Analysis in Bluetooth-Enabled Mobile Devices
支持蓝牙的设备数量的指数级增长表明它已成为交换信息的无线互连的流行方式。本文的主要目标是分析最关键的蓝牙攻击在现实场景中。为了找出现代蓝牙移动设备中的主要漏洞,已经成功地执行了几种攻击,例如监视,混淆,嗅探,未经授权的直接数据访问(UDDA)和中间人攻击(MITM)。为了执行测试平台,使用了几种设备,如手机,笔记本电脑,笔记本电脑,无线耳机等,所有的测试都是通过笔测试软件进行的,如hcittml,braudit,spoafiooph,hridump,bluesnarfer,bluebugger和carwhisperer。关键词:蓝牙,安全,监视,混淆,嗅探,拒绝服务,中间人。
2012-06-07 cs.CR
Endpoint Security Agent: A Comprehensive Approach to Real-time System Monitoring and Threat Detection
Pesidency University(佩西登西大学)
针对网络威胁演变带来的端点安全需求,提出适用于Windows端点的模块化实时安全代理,利用WMI、ETW监控系统活动,结合机器学习检测引擎与MITRE ATT&CK框架,实现高效准确的威胁检测与标准化分类。
2025-11-11 cs.CR
Policy-Guided Threat Hunting: An LLM enabled Framework with Splunk SOC Triage
Department of Management Information Systems, University of Illinois, Springfield, USA(美国伊利诺伊大学斯普林菲尔德分校管理信息系统系);School of Computing and Communications, Lancaster University, United Kingdom(英国兰卡斯特大学计算与通信学院);School of Computer Applications, Kalinga Institute of Industrial Technology, India(印度卡林加工业技术学院计算机应用学院);School of Information Technology and Artificial Intelligence, University of Cumberlands, USA(美国坎伯兰大学信息技术与人工智能学院)
本文提出一个自动化威胁狩猎框架,结合LLM与Splunk平台,通过多层模型实现动态威胁适应与风险优先级评估,提升SOC分析效率。
2026-04-11 cs.AI cs.CR
STRIDE-based Cyber Security Threat Modeling for IoT-enabled Precision Agriculture Systems
随着物联网(IoT)等智能技术的引入,传统农业的概念正在迅速改变。在智能农业的概念下,精准农业越来越受欢迎,以实现基于决策支持系统(DSS)的农业管理,该管理利用广泛的物联网传感器和无线连接来实现自动检测和资源优化。毫无疑问,该系统的成功将影响作物生产力,失败将严重影响作物生产力。与许多其他网络物理系统一样,避免系统逆境的日益增长的挑战之一是确保系统的安全性,隐私和信任。但是,在部署精准农业时,我们应该考虑哪些漏洞、威胁和安全问题?本文使用流行的威胁情报工具STRIDE对精准农业标准基础设施的组件级别进行了整体威胁建模,以识别常见的安全问题。我们的建模确定了需要考虑的58个潜在安全威胁。该报告系统地介绍了这些问题,并提出了一般性的缓解建议,以支持精准农业的网络安全。
2022-01-30 cs.CR cs.SY eess.SY
Securing Agentic AI: Threat Modeling and Risk Analysis for Network Monitoring Agentic AI System
Department of Computer Science,Texas Tech University, Lubbock, Texas, USA(计算机科学系,德克萨斯技术大学,德克萨斯州,拉博克)
本文针对LLM与自主智能体结合在网络监控中引发的安全问题,采用MAESTRO框架进行威胁建模,通过构建原型系统确认了流量重放拒绝服务和记忆中毒两类威胁,并提出了多层纵深防御方法以保障agentic AI在对抗环境下的可靠性。
2025-08-12 cs.AI cs.CR
Social Media Monitoring for IoT Cyber-Threats
University of the Peloponnese(伯罗奔尼撒大学)
物联网应用的快速发展及其在日常生活各个领域的使用导致了不同可能的网络威胁数量的增加,因此提高了保护物联网设备的需求。收集网络威胁情报(例如,零日漏洞或趋势漏洞),并利用它来主动保护物联网系统或准备缓解方案已被证明是一个有前途的方向。在这项工作中,我们专注于社交媒体监控,并从Twitter流中调查实时网络威胁情报检测。最初,我们比较并广泛评估了六种不同的基于机器学习的分类方法,这些方法使用漏洞描述进行了训练,并使用Twitter流中的真实数据进行了测试,以确定最适合的解决方案。随后,根据我们的研究结果,我们提出了一种针对物联网领域的新型社交媒体监控系统;该系统允许用户识别物联网设备上的最近/趋势漏洞和漏洞。最后,为了帮助该领域的研究并支持我们结果的可重复性,我们公开发布了在此过程中创建的所有注释数据集。
2021-09-09 cs.CR cs.LG
Privacy-Enhancing Technologies for Artificial Intelligence-Enabled Systems
本文针对AI模型在开发、部署和推理阶段面临的内外部隐私威胁,提出采用多种PETs进行防护,并给出PETs评估框架以分析其对系统级变量的影响。
2024-04-04 cs.CR
Towards AI-enabled Cyber Threat Assessment in the Health Sector
针对医疗行业网络攻击威胁,提出AI赋能平台,从外部收集安全信息、分析并给出风险评分,辅助决策者优化安全投资。
2024-09-19 cs.CR
Threat Modeling and Attack Surface Analysis of IoT-Enabled Controlled Environment Agriculture Systems
IOGRU LLC(IOGRU有限责任公司)
本文首次提出物联网可控环境农业系统的全面威胁模型,识别123种威胁并提出防御框架,揭示AI驱动农业中的新型攻击类别及物理影响。
2026-04-14 cs.CR cs.SY eess.SY
A Blockchain-Enabled Incentivised Framework for Cyber Threat Intelligence Sharing in ICS
近年来,工业控制系统(ICS)越来越多地成为复杂网络攻击的目标。提高ICS安全性在文献中引起了极大的关注,这些文献强调了网络威胁情报(CTI)共享在加速检测、缓解和预防网络攻击方面的重要性。然而,由于担心风险暴露、声誉受损和缺乏激励措施,组织不愿意交换CTI。此外,有有限的讨论的因素,影响参与分享有关ICS的CTI。现有的CTI共享平台依赖于集中的可信架构,该架构存在单点故障,并且由于中央节点维护CTI详细信息,因此会危及公司的隐私。在本文中,我们解决了参与ICS管理和保护的组织的需求,并提出了一个新的框架,该框架使用区块链促进与ICS相关的CTI的安全,私密和激励交换。我们提出了一个新的支持区块链的框架,可以促进ICS中多个利益相关者之间CTI数据的安全传播。我们提供了框架设计,技术开发和评估框架的可行性,在现实世界的应用环境中使用实际的用例场景。我们提出的设计显示了一个更实用和有效的框架,CTI共享网络ICS,包括赋予和承认的数据隐私,信任障碍,并在这个领域根深蒂固的安全问题。
2021-12-01 cs.CR cs.DC
A Trust Management Scheme for IoT-Enabled Environmental Health/Accessibility Monitoring Services
物联网(IoT)的一个快速增长的应用是通过启用环境监测服务来保护公众健康和福祉。特别是,用户可以咨询支持物联网的健康/可访问性监测服务(HAMS),以查询不同区域的状态,从而优化他们在整个地理区域的旅行。考虑到与完全可信的信息源的大规模部署相关联的高成本,启用IoT的监视服务还依赖于公民参与和(可能不可信的)用户的感测装置以用于数据汇集。然而,信任管理成为此类服务成功的关键因素,因为它们可能会被恶意用户通过更改或伪造的传感器数据误导。在本文中,我们考虑了一个监控服务,并提出了一个混合实体/数据信任计算方案,它依赖于贝叶斯学习得分的用户(作为数据报告员),和Dempster-Shafer理论(DST)的数据融合和计算的数据本身的可信度。为了提供针对行为变化的弹性,DST中使用的概率质量使用新估计的用户分数以及与报告的数据相关联的上下文属性来动态更新。我们进行模拟实验,以评估我们的计划的性能。与以前的工作相比,结果表明,在准确性和抵御恶意行为的弹性方面具有优越的性能。
2018-11-16 cs.CR
Machine Learning-Enabled IoT Security: Open Issues and Challenges Under Advanced Persistent Threats
University of Ottawa(渥太华大学);Ciena(CIENA公司)
尽管物联网(IoT)具有技术优势,但由于无线介质中的漏洞,物联网(IoT)具有网络弱点。基于机器学习(ML)的方法被广泛用于物联网网络中的网络威胁,具有良好的性能。高级持续性威胁(APT)是网络犯罪分子危害网络的突出表现,具有长期性和危害性的特点。然而,它是很难应用ML为基础的方法来识别APT攻击,以获得一个有前途的检测性能,由于正常流量中的一个非常小的百分比。由于缺乏所有类型的APT攻击的公共数据集,因此对物联网网络中的APT攻击进行全面调查的调查有限。这是值得桥梁的国家最先进的网络攻击检测与APT攻击检测在一个全面的评论文章。这篇调查文章回顾了物联网网络中的安全挑战,并介绍了物联网系统中众所周知的攻击、APT攻击和威胁模型。同时,基于特征的,基于异常的,和混合的入侵检测系统的物联网网络进行了总结。本文重点介绍了针对网络入侵的常用ML方法的统计见解以及检测到的攻击类型的数量。最后,常见的网络入侵和APT攻击的开放性问题和挑战,为未来的研究。
2022-04-17 cs.CR cs.LG cs.NI
Toward Risk Thresholds for AI-Enabled Cyber Threats: Enhancing Decision-Making Under Uncertainty with Bayesian Networks
本文提出利用贝叶斯网络建模AI赋能网络风险,通过分析现有阈值并构建案例研究,提升在不确定性中的决策制定能力。
2026-01-23 cs.CR
IoT-enabled Drowsiness Driver Safety Alert System with Real-Time Monitoring Using Integrated Sensors Technology
本文提出一种基于集成传感器技术的物联网疲劳驾驶安全预警系统,通过酒精和红外传感器检测酒精与眼部状态,实现减速、停车及手机蓝牙实时警报,以减少事故并拯救生命。
2025-02-01 cs.CR
A Lightweight Blockchain and Fog-enabled Secure Remote Patient Monitoring System
物联网使智能远程医疗应用快速增长。这些基于物联网的远程医疗应用程序为有风险或患有慢性疾病的患者提供快速和预防性的医疗服务。然而,在医疗物联网设备之间交换敏感医疗数据的同时确保数据安全和患者隐私仍然是远程医疗保健应用中的一个重大问题。更改或损坏的医疗数据可能会导致错误的治疗,并为患者带来严重的健康问题。此外,需要解决和改进当前远程医疗应用的效率和响应时间。考虑到对安全高效的患者护理的需求,本文提出了一种轻量级的基于区块链和启用雾的远程患者监护系统,该系统提供了高级别的安全性和高效的响应时间。仿真结果和安全性分析表明,所提出的轻量级区块链架构能够很好地适应资源受限的物联网设备,并且具有较好的安全性。此外,雾计算的增强使远程患者监护系统的响应速度提高了40%。
2023-01-09 cs.CR cs.NI
Machine Learning-Enabled Cyber Attack Prediction and Mitigation for EV Charging Stations
安全可靠的电动汽车充电站(EVCS)在智能交通基础设施中已变得势在必行。多年来,电动车辆控制系统的部署迅速增加,以满足不断增长的充电需求。然而,信息和通信技术(ICT)的进步使这种网络物理系统(CPS)容易受到网络威胁,从而破坏充电生态系统甚至整个电网基础设施的稳定。本文开发了一种先进的网络安全框架,其中STRIDE威胁建模用于识别EVCS中的潜在漏洞。此外,加权攻击防御树的方法来创建多个攻击场景,其次是开发隐马尔可夫模型(HMM)和部分可观察蒙特卡罗规划(POMCP)算法建模的安全攻击。此外,潜在的缓解策略,建议所确定的威胁。
2022-08-22 cs.CR cs.SY eess.SY
"Blockchain-Enabled Zero Trust Framework for Securing FinTech Ecosystems Against Insider Threats and Cyber Attacks"
本文提出集成 Ethereum 智能合约的零信任框架,结合 MFA、RBAC、JIT 与链上策略执行,增强金融科技抵御内部威胁和网络攻击的能力。
2025-07-26 cs.CR
IoT Blockchain Solution for Air Quality Monitoring in SmartCities
物联网云支持的社会应用在最近的过去急剧增加,这是由于创新的推动,特别是通过启动计划,在农业,医疗保健,工业等各个领域。现有的物联网云解决方案导致从业者或研究人员陷入严重的安全隐患和性能低下的混乱局面。本文提出了一种基于区块链的物联网云实施方案,以解决智慧城市中存在的问题。它特别强调了SmartCities中空气质量监测系统链码的实施;使用实验说明了名为IoT启用的空气质量监测系统区块链(IB-AQMS)的拟议架构。文中给出了实验结果。
2020-03-29 cs.CR cs.NI
Blockchain based AI-enabled Industry 4.0 CPS Protection against Advanced Persistent Threat
工业4.0就是以并发、安全和细粒度的方式做事。物联网边缘传感器及其相关数据在当今的行业生态系统中发挥着主导作用。在注入高级持续性威胁(APT)后泄露数据或伪造源设备会损害行业所有者的金钱和运营商的生命。现有的挑战包括针对易受攻击的边缘设备的APT注入攻击,不安全的数据传输,利益相关者之间的信任不一致,不兼容的数据存储机制等。边缘服务器通常会因为其轻量级的计算能力而受到影响,以消除未经授权的数据或指令,这本质上使它们暴露于攻击者。当攻击者在使用传统的PKI呈现的信任传输数据的同时瞄准边缘服务器时,联盟区块链(CBC)提供了经过验证的技术来安全地传输和维护这些敏感数据。随着最近边缘机器学习的改进,边缘设备可以在其终端过滤恶意数据,这在很大程度上促使我们建立一个区块链和AI对齐的APT检测系统。该论文的独特贡献包括在边缘进行有效的APT检测,以及在不可变的区块链分类账中透明记录检测历史。与此相一致,无证书数据传输机制增强了协作者之间的信任,并在消除现有证书颁发机构后确保了经济和可持续的机制。最后,边缘兼容存储技术有助于高效的预测性维护。相应的实验结果表明,所提出的技术优于其他竞争系统和模型。
2022-01-30 cs.CR
Cyber Threat Detection Enabled by Quantum Computing
Johns Hopkins University(约翰斯·霍普金斯大学)
本研究提出混合架构利用量子计算提升网络威胁检测,在噪声环境下实现与经典模型相当甚至更优的检测性能。
2025-12-20 cs.CR quant-ph
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
Autonomous Adaptive Security Framework for 5G-Enabled IoT
本文针对5G赋能物联网面临的安全脆弱性问题,提出新的自适应安全智能策略,并开发了基于闭环分析反馈的自主自适应安全框架,以动态自主防护5G-IoT应用。
2024-06-04 cs.CR cs.DC
Real-Time Energy Monitoring in IoT-enabled Mobile Devices
随着物联网(IoT)范例的快速发展,预计在不久的将来电气设备将具有IoT能力。这使得能够细粒度地跟踪这些设备的个体能耗数据,提供与位置无关的每设备计费。因此,它比最先进的基础设施的基于位置的计量更细粒度,传统上在建筑物或家庭级别上聚合,定义要计费的实体。然而,这种装置内能量计量容易受到操纵和欺诈。作为补救措施,我们提出了一种分散的计量架构,使具有物联网功能的设备能够测量自己的能耗。在这种架构中,设备级消费还被报告给系统级聚合器,该聚合器使用区块链验证分布式信息并提供安全的数据存储,防止不受信任的实体操纵数据。使用实验测试平台上的评估,我们表明,所提出的架构支持设备的移动性,并使位置无关的能源消耗监测。
2020-04-29 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
Blockchain Model for Environment/Infrastructure Monitoring in Cloud-Enabled High-Altitude Platform Systems
针对云赋能HAPS在EIM场景中的网络安全威胁,本文提出并实现面向多HAPS站点的区块链框架与定制共识机制,并通过仿真验证其吞吐量、延迟和攻击韧性。
2023-06-02 cs.CR
Generative AI-Enabled Refund Fraud in Chinese E-Commerce: Investigation on Merchants and Platform Workers
Tsinghua University(清华大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校);Universitat Politècnica de València(瓦伦西亚理工大学);King’s College London(伦敦国王学院);University of British Columbia(不列颠哥伦比亚大学)
通过访谈中国电商市场的商家和平台工作人员,研究生成式AI如何使攻击者以低成本制造超逼真的产品缺陷证据,导致可扩展的欺诈行为,并探讨平台和商家采用的验证策略及其面临的挑战。
2026-06-02 cs.CR cs.HC
Quantum Threat in Healthcare IoT: Challenges and Mitigation Strategies
本章分析量子计算对医疗 IoT 加密与患者安全的威胁,介绍 PQC、QKD 等抗量子方案及其在资源受限设备中的集成挑战与适用选择。
2024-12-08 cs.CR
Network and Physical Layer Attacks and countermeasures to AI-Enabled 6G O-RAN
Mississippi State University(密西西比州立大学)
人工智能(AI)将在蜂窝网络部署、配置和管理中发挥越来越大的作用。本文探讨了AI驱动的6 G无线接入网(RAN)的安全性问题。虽然6 G标准化的预期时间轴还有几年的时间,但与6 G安全相关的标准化前工作已经在进行中,并将受益于基础和实验研究。Open RAN(O-RAN)描述了一种行业驱动的开放式架构和接口,用于构建具有AI控制的下一代RAN。针对这种体系结构,我们确定了数据驱动的网络和物理层元素的关键威胁,相应的对策,以及研究方向。
2022-09-02 cs.AI cs.CR
Securing the Digital World: Protecting smart infrastructures and digital industries with Artificial Intelligence (AI)-enabled malware and intrusion detection
University of Oxford(牛津大学)
本文研究基于AI的网络威胁检测,评估ML分类器及集成方法在恶意软件与网络入侵检测中的应用,探讨其在网络、移动及IoT安全中的集成挑战与解决方案,并提出未来研究方向以增强数字产业安全与弹性。
2023-10-15 cs.CR cs.LG
Exploring AI-Enabled Cybersecurity Frameworks: Deep-Learning Techniques, GPU Support, and Future Enhancements
Technische Universität Berlin(柏林工业大学)
本研究综述了38个开源网络安全框架,识别出其中3个采用两种深度学习算法,并评估其GPU加速支持,旨在弥合理论与实践差距并指导未来框架选择。
2024-12-17 cs.AI cs.CR cs.DC
D-STREAMON: from middlebox to distributed NFV framework for network monitoring
NFV之所以成为IT安全的一个有吸引力的范例,有许多原因:降低成本、敏捷运营和更好的隔离,以及快速的安全更新、改进的事件响应和更高的自动化水平。另一方面,网络威胁趋于日益复杂和分布,这意味着需要监控的流量规模巨大,缓解延迟要求越来越严格。考虑到网络工作的当前趋势和对抗网络威胁的演变的要求,预计网络监测也将转向基于NFV的解决方案。在本文中,我们提出了D- StreaMon的NFV能力的分布式框架,实现网络监控,以面对上述挑战。它依赖于StreaMon平台,这是一种最初为传统中间盒设计的网络监控解决方案。已经实现了将StreaMon从中间盒迁移到虚拟网络功能(VNF)的演进路径。
2017-06-22 cs.CR cs.NI
SafeGuard: A Lightweight Client-Server Architecture for Real-Time Endpoint Threat Detection and Response
Federal University of Technology, Minna(尼日利亚米纳联邦科技大学)
针对小型和资源受限组织,提出SafeGuard轻量级客户端-服务器架构用于实时端点威胁检测与响应。通过基于签名比较检测威胁,利用多种安全技术保障通信安全,经测试验证其能提供实时端点可见性且无商业许可成本,虽有局限但贡献显著。
2026-07-14 cs.CR cs.SE
Blockchain and Deep Learning-Based IDS for Securing SDN-Enabled Industrial IoT Environments
针对SDN架构在IIoT环境中引发的安全威胁,提出一种集成CNN的IDS与区块链系统的联合方法,分别增强应用层与网络层安全,有效检测并降低命令注入等攻击影响。
2023-12-31 cs.CR cs.NI
Systematically Assessing the Security Risks of AI/ML-enabled Connected Healthcare Systems
University of British Columbia(不列颠哥伦比亚大学);National Research Council Canada(加拿大国家研究委员会)
本研究揭示AI/ML赋能的互联医疗系统因外围设备及通信漏洞存在危及患者安全的风险,通过血糖监测系统攻击案例验证漏洞,指出现有风险评估技术不足,呼吁研发新型分析方法。
2024-04-12 cs.CR cs.CY cs.LG
Addressing Security and Privacy Challenges in Internet of Things
物联网(IoT),也称为对象互联网,被设想为用于提供众多服务的整体和变革性方法。各种通信协议的快速发展和收发器的小型化以及传感技术的最新进展提供了将隔离设备转变为通信智能设备的机会。智能设备可以感知、存储甚至处理电、热、光、化学和其他信号,以提取与用户/环境相关的信息,这些智能设备已经实现了仅受人类想象力限制的服务。尽管物联网支持的系统前景广阔,但将智能事物集成到标准互联网中会带来一些安全挑战,因为大多数互联网技术、通信协议和传感器都不是为支持物联网而设计的。最近的几项研究表明,对物联网系统发起安全/隐私攻击,特别是基于可穿戴医疗传感器(WMS)的系统,可能会导致灾难性的情况和危及生命的情况。因此,物联网领域的安全威胁和隐私问题需要积极研究和积极解决。在这篇论文中,我们解决了与物联网系统相关的几个特定领域的安全/隐私挑战。
2018-07-18 cs.CR
TESDA: Transform Enabled Statistical Detection of Attacks in Deep Neural Networks
Georgia Institute of Technology(佐治亚理工学院)
深度神经网络(DNN)现在是图像分类等计算机视觉任务的实际选择。然而,它们的复杂性和“黑盒”性质往往使部署它们的系统容易受到一系列安全威胁。因此,成功地识别这种威胁,特别是在安全关键的现实世界应用中,是至关重要的,但仍然是一个非常开放的问题。我们提出了TESDA,这是一种低开销,灵活,统计接地的方法,通过利用它们在DNN中间层特征分布中引起的差异来进行攻击的在线检测。与大多数先前的工作不同,我们既不需要专用硬件来实时运行,也不需要木马触发器来检测行为的差异。我们根据经验建立了我们的方法在多个架构,数据集和不同攻击中的实用性和实用性,始终实现了95%以上的检测覆盖率,操作计数开销低至1- 2%。
2021-10-16 cs.CR cs.LG
Fingerprinting of Machines in Critical Systems for Integrity Monitoring and Verification
本文提出一种基于系统指纹识别的主动方法,通过在系统干净时捕获主机硬件、文件哈希和内核信息建立历史记录,并开发安全存储工具,以监控关键系统完整性并辅助追溯安全违规根因。
2024-12-21 cs.CR
AI-Enabled System for Efficient and Effective Cyber Incident Detection and Response in Cloud Environments
PRIAM CYBER AI Limited(PRIAM CYBER AI 有限公司);Cyber Security Research Centre. London Metropolitan University(伦敦城市大学网络安全研究中心)
本文提出基于AI的云环境网络安全事件检测与响应系统,利用随机森林和深度学习模型提升威胁检测准确率,通过云平台和容器技术实现高效、可扩展的响应方案。
2025-01-12 cs.CR cs.ET cs.NI
Treating Statewide CORS Networks as Spatially Distributed Sensors for GNSS Integrity Monitoring under Unintentional and Deliberate Threats
The University of Alabama(阿拉巴马大学);Clemson University(克莱姆森大学)
本研究将全州CORS网络视为空间分布传感器,开发NCF和NCI框架,利用四星观测数据识别GNSS无意与蓄意干扰,为交通机构监测网络完整性提供方法。
2026-08-11 cs.CR eess.SP physics.space-ph
Convergence of IT and SCADA: Associated Security Threats and Vulnerabilities
随着许多行业转向集中控制的信息系统以进行监视和控制,越来越重视诸如监督控制和数据采集工业系统(SCADA)的技术。这种对集成和互操作性的关注为安全人员和组织管理层带来了许多挑战。因此,在一个组织内,通过适当的计划和框架来确保其SCADA架构的保护和安全性,从而实现这一新方向变得至关重要。明确了解相关威胁和脆弱性对于采取/制定适当的政策和框架至关重要。为此,在这项研究中,我们识别和分析相关的SCADA安全威胁和漏洞,并提出了一个简单的方案来对其进行分类,以便更好地理解。
2020-05-08 cs.CR
Building the Truman Show: A TrustZone-Based Framework for Lightweight Out-of-band Kernel Security Monitoring
College of Computer Science and Technology, National University of Defense Technology(国防科技大学计算机学院)
针对传统内核防护易被绕过的问题,提出基于ARM TrustZone的轻量级带外监控框架LOOM,通过硬件隔离、语义重构等机制实现低开销的内核攻击检测与缓解,已在飞腾D2000平台验证有效。
2026-09-01 cs.CR cs.SE
A Systematic Literature Review on Blockchain Enabled Federated Learning Framework for Internet of Vehicles
Jashore University of Science and Technology(贾绍尔科技大学);University of Information Technology and Sciences(信息技术与科学大学);Deakin University(迪肯大学);Charles Sturt University(查尔斯特大学)
虽然人工智能(AI)技术与改进的信息技术系统的融合确保了车联网(IoV)系统的巨大利益,但它也带来了越来越多的安全和隐私威胁。为了确保车联网数据的安全性,隐私保护方法在文献中得到了极大的关注。然而,这些策略也需要具体的调整和修改,以应对车联网设计的进步。在此期间,联邦学习(FL)已被证明是保护车联网数据隐私和安全的新兴理念。另一方面,区块链技术在安全、分散和可审计的数据记录和共享方案方面表现出了突出的可能性。在本文中,我们对物联网中基于区块链的联邦学习框架的应用和实现进行了全面的调查。此外,可能存在的问题,挑战,解决方案,以及未来的研究方向BC使能FL框架的车联网也提出了。该调查可进一步用作开发现代BC启用FL解决方案的基础,以解决不同的数据隐私问题和车联网场景。
2022-03-10 cs.AI cs.CR
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
System Security Framework for 5G Advanced /6G IoT Integrated Terrestrial Network-Non-Terrestrial Network (TN-NTN) with AI-Enabled Cloud Security
本文提出面向5G Advanced/6G IoT集成TN-NTN架构的AI云安全框架,利用AI原生平台实现实时威胁检测与智能策略执行,强调零信任、联邦学习和分层安全,以应对异构网络的安全挑战。
2025-08-07 cs.CR
TSNZeek: An Open-source Intrusion Detection System for IEEE 802.1 Time-sensitive Networking
IEEE 802.1时间敏感网络(TSN)标准被设想用来取代关键域中的传统网络协议,以确保通过现成的以太网设备进行可靠和确定性的通信。然而,它们缺乏安全对策,甚至可以施加可能导致危险后果的新攻击媒介。本文介绍了第一个开源的安全监测和入侵检测机制,TSNZeek,IEEE 802.1 TSN协议。我们扩展了现有的监控工具,Zeek,一个新的数据包解析语法处理TSN数据流量和基于规则的攻击检测引擎TSN特定的威胁。我们还讨论了各种安全相关的配置和设计方面的IEEE 802.1 TSN监控。我们的实验表明,TSNZeek的原因只有约5%的CPU开销上的Zeek,并成功地检测到各种威胁在一个真正的TSN测试床。
2023-03-20 cs.CR cs.NI
A baseline for unsupervised advanced persistent threat detection in system-level provenance
高级持续性威胁(APT)是一种隐蔽、复杂且不可预测的网络攻击,可以窃取知识产权、破坏关键基础设施或造成数百万美元的损失。通过监视系统级活动来检测APT是困难的,因为手动检查大量的正常系统活动对于安全分析师来说是压倒性的。我们评估了无监督的批处理和流式异常检测算法在四个不同的操作系统上记录的多个千兆字节的起源痕迹的有效性,以确定它们是否可以可靠和有效地检测到现实的APT类攻击。这份报告是第一次详细研究通用无监督异常检测技术在这种情况下的有效性。
2019-11-18 cs.CR
DANTE: A framework for mining and monitoring darknet traffic
Ben Gurion University of the Negev(内盖夫本·古里安大学);Deutsche Telekom AG(德国电信股份公司)
数以万亿计的网络数据包通过互联网发送到不存在的目的地。这种“暗网”流量捕获僵尸网络和其他恶意活动的活动,旨在发现和危害世界各地的设备。为了从这些数据中挖掘威胁情报,必须能够处理大量日志流,并以有意义的方式表示流量模式。但是,通过观察网络端口(服务)的使用方式,可以捕获每次传输的意图。在本文中,我们提出了DANTE:一个挖掘暗网流量的框架和算法。DANTE通过将Word2Vec应用于观察到的端口序列来学习目标网络端口的含义。然后,当主机发送新序列时,DANTE将传输表示为找到该序列的端口的平均嵌入。最后,DANTE使用一种新的增量时间序列集群跟踪算法来检测重复出现的行为和新出现的威胁。为了评估该系统,我们在欧洲最大的电信提供商德国电信收集的全年暗网流量(超过3万亿次)上运行了DANTE,并分析了结果。DANTE发现了1,177个新出现的威胁,并能够随着时间的推移跟踪恶意活动。我们还将DANTE与目前最好的方法进行了比较,发现DANTE在检测暗网流量模式方面更实用,更有效。
2020-03-05 cs.CR cs.LG