Jun, 2018

从网络资源中发现信号以预测网络攻击

PDF
TL;DR本文介绍了一种基于深度神经网络和自回归时间序列模型的机器学习技术，利用公开 Web 资源的外部信号预测网络攻击，测试结果表明该方法在真实世界预测任务中显著提高了预测精确度，能够有效预防各种类型的网络攻击。
cyber attackspredictive signalsmachine learningdeep neural networksautoregressive time series models
发现论文，激发创造
  • 面对不完整数据的恶意事件预测挑战

    本文通过实证研究两个组织的真实数据，量化了过滤对于预测网络攻击可预测性的影响，发现过滤降低了网络攻击的可预测性，由于入侵事件的数据过少且具有不同于总数据集的生成过程，使得预测模型更加困难。

    Apr, 2020

  • 预测网络监控 -- 利用机器学习和数据分析进行网络攻击的推测研究

    利用机器学习和数据挖掘技术增强网络安全，本文提出了一种新的技术，基于多个数据参数预测网络中即将发生的攻击，通过测试阶段的结果选择最佳模型，并提取可能导致攻击的事件类别。

    Dec, 2023

  • 利用黑客情感预测网络安全事件

    通过对黑客论坛上的情感分析，我们提出了一种新的方法来预测网络事件，该方法可以在攻击事件发生前几周就进行预测，一些特定的黑客论坛可以比现有的深度学习和时间序列模型更有效地进行预测。

    Apr, 2018

  • 基于数据驱动的网络安全威胁预测分析与关键风险因素

    利用机器学习模型分析社会经济因素，预测可能成为网络攻击受害者的个人，并通过关联规则和真实世界数据评估框架的有效性。

    Mar, 2024

  • 网络犯罪预测的进展：机器学习、深度学习、迁移学习和自适应学习技术概述

    机器学习、深度学习和迁移学习等技术已成为预测网络犯罪并在此之前防范的有效工具，本篇论文对这些技术的最新研究进展进行了全面综述，讨论了其优点和局限性，并为研究人员和从业者提供必要的见解、公共数据集和资源。

    Apr, 2023

  • 利用社交媒体信号感知加密货币新闻

    该研究旨在实时追踪并监测加密货币新闻，利用机器学习模型预测其发布后前 24 小时在 Twitter 上被提及的数量，并比较了多种模型，其结果表明随机森林自回归模型在大多数情况下表现良好。

    Mar, 2019

  • 各种网络攻击检测的当前最先进机器学习方法的性能调查：综述

    分析了过去 10 年来现有的最新机器学习模型及其对不同类型网络攻击的检测，以找出仍需进一步研究的领域。

    Feb, 2024

  • 深度学习在金融领域提升网络安全弹性与高级威胁检测

    本研究使用深度学习进行高级威胁检测，提高金融行业的网络安全性，并且聚焦异常入侵检测技术的研究。

    Feb, 2024

  • 基于人工智能的恶意软件和勒索软件检测模型

    本文介绍了使用不同的机器学习和深度学习模型进行恶意软件检测、恶意软件分类和勒索软件检测的一种新颖且灵活的解决方案，并且将两个优化过的模型组合起来，证明了在检测性能和灵活性方面都有所提高。特别是，我们的综合模型为使用专业的、可互换的检测模块进行简单的未来增强铺平了道路。

    Jul, 2022

  • 针对网络入侵检测系统的逼真对抗攻击建模

    通过对网络入侵检测系统进行基于机器学习的威胁模拟，发现现有文献中的威胁模型不适用于实际的网络安全情景，因此，有必要加强现有防御系统以及探索更加真实和有效的对抗方式。

    Jun, 2021