本研究探讨基于人工智能的网络威胁检测以保护我们的现代数字生态系统，主要关注评估基于机器学习的分类器和集成模型，用于异常恶意软件检测和网络入侵检测，并探讨如何将这些模型整合到网络安全、移动安全和物联网安全的环境中。讨论重点是在企业系统和 IT 基础设施中部署和整合 AI 增强的网络安全解决方案的挑战，以及克服这些挑战的选择。最后，本文提供了未来研究方向，以进一步增强我们现代数字产业、基础设施和生态系统的安全性和韧性。

Oct, 2023

本文调查了应用于网络入侵检测的各种深度学习技术，并介绍了一个用于网络安全应用的深度学习框架。

Dec, 2020

本研究回顾并总结了机器学习在法证图像分析中的高风险性质，概述了高风险人工智能系统的强制要求，并讨论了这些要求在两个法证应用（车牌识别和深度伪造检测）中的实际应用。目的是提高人们对即将发布的法律要求的认识，并指出未来研究的方向。

Mar, 2022

该报告调查了恶意使用 AI 的潜在安全威胁的现状，并提出了更好地预测，预防和减轻这些威胁的方法。在分析了 AI 可能如何影响数字，物理和政治领域的威胁格局之后，我们为 AI 研究人员和其他利益相关者提出了四个高层次的建议。我们还建议一些有前途的研究领域，以扩展防御手段的组合，或使攻击变得不那么有效或难以执行。最后，我们讨论了进攻者和防御者的长期平衡，但并未得出确定性结论。

Feb, 2018

人工智能 (AI) 和机器学习 (ML) 在开发新型防御和情报能力方面已变得越来越重要。A2I 攻击旨在欺骗和操纵 AI/ML 模型，因此 AI/ML 模型必须能够抵御这些攻击。A2IWG 旨在通过在美国国防部和情报机构之间建立协作环境，通过新的 A2I/AML 防御手段，推动确保 AI/ML 能力的研究和开发，并针对具体挑战，重点关注 AI 可信鲁棒性，AI 系统安全性和 AI/ML 架构漏洞。

Sep, 2020

本文总结了当前硬件设计中人工智能和机器学习技术的应用现状以及挑战，针对电路设计存在的安全问题，提出了安全意识 CAD/EDA 的研究方向和需求。

Apr, 2022

通过对教育文本的深度洞察，本文探讨了计算机辅助文本分析在提高教学质量方面的转变潜力，结合 Richard Elmore 的教学核心框架，研究了人工智能和机器学习方法特别是自然语言处理在分析教育内容、教师论述和学生反馈方面的作用，从教师指导、学生支持和内容开发等关键领域发现了 AI/ML 集成的重要优势，并揭示了 AI/ML 的模式，不仅可以简化行政任务，还可以为个性化学习引入新的途径，为教育工作者提供可操作的反馈，为教学动态提供更深入的理解。本文强调将 AI/ML 技术与教学目标相一致，实现其在教育环境中的充分潜力，提倡平衡的方法，包括考虑道德考虑、数据质量和融合人类专业知识。

Mar, 2024

综述了人工智能在网络安全中应对威胁系统的最新进展，提供了对人工智能与网络安全交叉领域的全面分析，指出了未来研究的挑战。

Dec, 2023

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

ML 在安全性方面存在漏洞，提出威胁模型并对攻击进行分类，探究了模型准确性与抗敌对操作的关系。

Nov, 2016