Jun, 2023

RansomAI: 基于人工智能的勒索软件，用于隐蔽性加密

PDF
TL;DR提出了一种基于强化学习的框架 RansomAI，旨在通过学习最佳加密算法、速率和持续时间，使勒索软件可以自适应地调整其加密行为，并保持隐身，使其不易被检测到。实验结果表明，该框架可以在少数几分钟内达到超过 90％的准确率，成功逃避了 Crowdsensor 上运行的 Ransomware-PoC 的检测。
发现论文，激发创造
  • 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

  • 基于 CNN 模型的联邦学习检测勒索软件攻击

    计算仍然面临来自勒索软件的重大威胁，需要及时采取行动来防止。本文研究了一种基于人工智能的勒索软件检测方法，并提出了一种针对数字变电站受损运行的勒索软件攻击建模技术。首先，将二进制数据转换为图像数据，并将其输入到使用联邦学习的卷积神经网络模型中。实验证明，所提出的技术能以较高的准确率检测勒索软件。

    May, 2024

  • 运用强化学习进行高级勒索软件攻击模拟的红队技术

    该研究使用增强学习方法来模拟勒索软件攻击，通过训练模型来快速学习有效的攻击策略，揭示网络弱点并开发更强大的防御措施。

    Jun, 2024

  • 借助 eBPF 和 AI 抵制勒索软件

    我们提出了一种用于实时检测和防止勒索软件的两阶段方法，利用了 eBPF（Extended Berkeley Packet Filter）和人工智能来开发主动和被动措施，包括基于签名的检测和基于行为的技术，通过使用自定义的 eBPF 程序和自然语言处理（NLP）来监控进程活动以及勒索提示。通过利用 eBPF 的低级追踪能力并整合基于 NLP 的机器学习算法，我们的解决方案在零日攻击发生几秒钟后以 99.76％的准确率识别勒索软件事件。

    Jun, 2024

  • 利用进程内存进行勒索软件检测

    对受勒索软件的扫描，采用访问进程内存的特权，利用多种机器学习算法进行分类，以更易准确地检测受勒索软件的特征和行为。

    Mar, 2022

  • 人工智能作为新黑客：为攻击性安全开发代理

    在网络安全的广阔领域中，从防御到进攻的转变对保护数字基础设施至关重要，本研究探讨了将人工智能（AI）应用于进攻性网络安全的整合，特别是通过开发一款自主 AI 代理程序 ReaperAI，用于模拟和执行网络攻击，利用大型语言模型（LLMs）如 GPT-4 的能力，ReaperAI 展示了自主识别、利用和分析安全漏洞的潜力，同时还提出了 AI 在网络安全中的道德和操作挑战，以及未来的研究方向。

    May, 2024

  • 通过网络流量分析和机器学习技术来缓解勒索软件威胁

    这篇论文集中讨论了一种在计算机网络中识别和检测勒索软件的方法，该方法基于机器学习算法和对网络流量模式的分析，显示机器学习算法可以通过网络流量准确识别和检测勒索软件。

    Jan, 2024

  • 基于人工智能的恶意软件检测技术现状综述

    这项综述介绍了最新的人工智能技术在恶意软件检测和预防领域的应用，包括浅层学习、深度学习和生物启发计算，以及 PC、云、Android 和物联网等多种平台。同时，还涉及了黑客采用人工智能设计更高级的恶意软件以及利用人工智能算法自卫的现状。

    Oct, 2022

  • 机器学习中的勒索软件检测与分类

    使用 XGBoost 和随机森林算法进行勒索软件攻击的检测和分类，证明其高准确性，为增强网络安全提供了有价值的工具。

    Nov, 2023

  • EGAN: 恶意软件免疫进化型 GAN

    提出了一种名为 EGAN 的攻击框架，该框架利用进化策略和生成对抗网络选择攻击动作序列，以改变勒索软件文件的行为，从而绕过大部分 AI 型商业杀毒系统，并增加了绕过其他商业非 AI 型杀毒解决方案的概率。

    May, 2024