Aug, 2023

地下信息的奶油撇取：从在线论坛识别相关信息点

PDF
TL;DR提出了一种基于机器学习的方法来监测地下黑客论坛中野外漏洞利用的方式，利用监控其中的帖子并根据内容触发警报；通过使用 CrimeBB 数据集，开发了一种监督学习模型，能够过滤引用 CVE 的帖子并将其标记为概念证明、武器化或利用；利用随机森林，表明在分类任务中可以达到准确率、精确度和召回率均在 0.99 以上；此外，对武器化和利用之间的区别进行了解释，分析了与黑客社区相关的利润等方面。
machine learningvulnerability exploitationhacking forumssupervised learningcrimebb dataset
发现论文，激发创造
  • 从地下黑客论坛推断关于漏洞利用的讨论主题

    通过主题建模分析并发现地下黑客论坛中讨论的漏洞的关键主题，从而开发出一种基于机器学习的模型，能够自动检测和分类地下黑客论坛中与漏洞相关的讨论。

    May, 2024

  • 使用开源数据预测软件漏洞的利用

    本研究旨在研究使用机器学习模型来预测软件漏洞是否会被攻击，着重探讨了该方法的局限性和如何选择更合适的测试数据以准确预测漏洞被攻击的可能性。

    Jul, 2017

  • 在线犯罪市场商品识别：一份精细领域适应数据集

    研究机器学习自然语言处理模型的一个弱点 —— 其在针对不同领域数据时表现通常较差。本文研究了一项任务：在在线犯罪论坛中识别正在被买卖的产品，这显示出特别具有挑战性的跨域效应。在此我们提出了一种新的任务，即对四个不同论坛的数据进行注释，同时也公开了这个数据集。研究结果表明，表现在新的论坛上的纯监督模型的准确度较低，而常规的半监督学习和领域自适应技术在此数据集上的有效性又受到限制，因此需要改进这些技术。

    Aug, 2017

  • RIPEx: 使用跨论坛学习从安全论坛提取恶意 IP 地址

    本研究介绍了 RIPEx，一种使用跨论坛学习方法进行安全论坛中 IP 地址识别和分类的系统性方法，并在多项测试中表现良好。

    Apr, 2018

  • 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

  • 基于提示的学习在网络安全论坛中的主题结构预测

    通过 Next Paragraph Prediction with Instructional Prompting 方法，结合黑客论坛的数据，对社交网络相互作用进行预测，以更好地预测未来网络威胁。

    Mar, 2023

  • 基于机器学习的自动化软件漏洞检测

    利用机器学习和深度神经网络，针对 C++ 程序开发了一种基于数据驱动的漏洞检测方法，研究结果表明结合源代码和神经网络特征，可以获得更可靠的漏洞检测结果，最高检测能力达到 0.87。

    Feb, 2018

  • 追踪暗网论坛中的话语影响力

    本文介绍了我们在 2021 AMoC 黑客马拉松中的任务，我们的主要贡献是通过语义和时间特征的联合可视化，通过新颖性、短暂性和共鸣等方面对暗网犯罪数据进行分析，了解暗网社区的整体话语影响。

    Feb, 2022

  • 能否自动化分析在线儿童性剥削话语？

    通过心理学理论标记儿童色情犯罪者的对话行为，使用自动化与基于自然语言推理的模型代替领域专家来识别谈话行为

    Sep, 2022

  • 检测人口贩卖的半监督学习

    本研究运用来自 “Backpage” 网站的文本数据，利用扩展的 Laplacian SVM 中添加正则化项的 S3VM-R 方法，结合监督和半监督学习，成功识别高度关注的人口贩运在线广告，是一种有效的打击人口贩卖犯罪的方法。

    May, 2017