cyber attacks | BriefGPT - AI 论文速递

关键词cyber attacks

搜索结果 - 22

利用 CNN 和 LSTM 提升物联网安全性的入侵检测系统
提出了一种结合卷积神经网络（CNN）和长短期记忆（LSTM）深度学习模型的入侵检测系统（IDS）模型，用于保护物联网设备免受网络攻击的伤害，通过利用 CNN 的空间特征提取功能进行模式识别和 LSTM 的顺序记忆功能进行复杂时序依赖分析，实
PDFa month ago
释放无标签数据的力量：智能电网中用于网络攻击检测的自监督学习框架
提出了基于自监督学习的框架用于检测和识别各种类型的网络攻击，该框架利用大量未标记的感知数据中的隐式模式来学习具有概括性和有效性的表示，同时结合少量标记数据训练特定任务的分类器，以及提出了一种新的损失函数来解决现实世界中训练数据不平衡的问题，
PDFa month ago
CANAL -- 基于经验法的网络活动新闻预警语言模型与高成本 LLM 的对比
我们的研究提出了一个新的经验性框架，利用 BERT 模型解析和分类新闻文章中的网络相关信息，提高市场利益相关者的实时警惕性。该框架通过使用基于随机森林的新型银标签方法，将其命名为 CANAL（网络活动新闻警报语言模型），以进行网络分类。我们
PDF2 months ago
AttacKG+: 使用大型语言模型增强攻击知识图谱构建
攻击知识图谱构建：使用大型语言模型和 LLM 框架完全自动化构建攻击知识图谱，包括重写、解析、识别和总结模块，提供关于攻击事件分析所需的信息，并有效地提取 AttacKG + 所定义的信息，从而在攻击重建等下游安全实践中直接受益。
PDF2 months ago
使用 URL 的上下文特征，顺序深度学习模型在检测网络钓鱼网站方面的性能
本研究使用深度学习模型（如多头注意力、双向长短期记忆网络）针对钓鱼网站进行检测，并证明多头注意力和双向长短期记忆网络模型在准确率、召回率和 F1 得分方面优于其他深度学习算法。
PDF3 months ago
Python 源代码漏洞检测的机器学习技术
应用和比较不同的机器学习算法，我们基于 Python 编程语言针对源代码漏洞检测问题进行实验评估并展示出双向长短期记忆（BiLSTM）模型的非凡性能（平均准确率 = 98.6%，平均 F-Score=94.7%，平均精确率 = 96.2%，
PDF3 months ago
一个用于电力分配网络中的网络攻击检测的无监督对抗自动编码器
本研究提出了一种无监督对抗自编码器（AAE）模型，用于检测不平衡电力分配网格中的虚假数据注入攻击（FDIAs），并在 IEEE 13 巴士和 123 巴士系统上展示了其在检测网络攻击方面的卓越性能。
PDF3 months ago
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。
PDF3 months ago
使用强化学习发现 Tor 和公共网络上的指挥和控制（C2）通道
本文通过强化学习机制，在公共网络和 Tor 网络下自动模拟 C2 攻击行动，配置负载大小和网络防火墙以模拟现实攻击场景，并在典型网络配置上显示了 RL 代理可以自动发现具有韧性的 C2 攻击路径，并绕过网络防火墙。
PDF5 months ago
物理信息卷积自编码器用于电力分布网络中的网络异常检测
通过引入基于物理知识的神经网络方法和积分滤波解法，提出了一种用于检测电力分布系统中隐蔽网络攻击的多变量基于物理知识的卷积自编码器模型，通过使用 Kirchhoff 定律将物理原理融入神经网络的损失函数中，在 OpenDSS 软件上模拟验证了
PDF7 months ago
LogShield: 基于自注意力机制的 APT 检测系统
本文提出了一种名为 LogShield 的框架，利用自注意机制中的自定义嵌入层来检测高级持续性威胁攻击模式，通过集成 RoBERTa 模型的参数和训练程序，并在知名的 APT 数据集上进行了广泛实验证明了 LogShield 在 APT 检
PDF8 months ago
第二届自适应网络安全防御国际研讨会论文集
利用人工智能和机器学习作为自适应网络防御的基础能力，研究探索了当前网络安全领域中的关键问题，尤其聚焦于自主性威胁缓解的方法。
PDFa year ago
GlyphNet：Homoglyph 域名数据集及使用基于注意力的卷积神经网络进行检测
本文介绍了一种基于图像数据和卷积神经网络的注意力基线方法，能够在实际场景中检测和识别 Homoglyph 攻击，并优于现有方法。
PDFa year ago
IsoEx: 一种可解释的无监督方法用于处理事件日志的网络安全调查
本研究提出了一种名为 IsoEx 的新型机器学习方法，通过采用特征引擎和可解释的人工智能技术，实现了对感染设备中异常命令行的检测，并在实际企业环境中得到了有效验证。
PDFa year ago
用于工业控制系统异常检测的双阶段双 COPOD 方法
本文提出了一种基于 Copula 的二阶段异常检测方法，以解决传统方法在透明度、可解释性和性能等方面存在的挑战，并在三个开源的 ICS 数据集中进行了实验验证，表现出优异的检测性能和计算效率，适合于低和高维度数据集的实时 ICS 异常检测。
PDFa year ago
基于击键动态的异常检测和用户识别技术
本文提出使用击键动态通过机器学习算法进行用户身份认证，可作为外部设备二步验证的替代方案，提升应用程序安全性和用户体验。基于数据集的距离度量和 ANN、CNN 多分类算法，最终实现了 95.05％的识别准确率。
PDFa year ago
结合自然语言处理和机器学习技术实现攻击者 TTP 自动分类
本文探讨了不同的自然语言处理和机器学习技术，以提取关于网络攻击者战术、技术和过程（TTP）的安全信息，并提出了一个基于已知对手策略、技术和程序知识库的自动分类非结构化文本的数据处理管道。
PDF2 years ago
MM学习网络入侵检测：一种数据驱动的方法
本文通过采用不同的基于学习的模型来检测网络攻击，演示了无监督表示学习模型在二进制入侵检测任务中的优势，并使用 SVM-SMOTE 过采样技术缓解了 4 类分类中的数据不平衡问题，并进一步展示了过采样机制的有效性及其深入神经网络基础模型的缺陷
PDF3 years ago
针对车载 FMCW 雷达的欺骗攻击
本文提出了一种攻击自动驾驶雷达的系统，使用单一的恶意雷达伪造车辆测量并同时伪造相干的物理测量结果，同时还讨论了一些抵御该攻击的对策。
PDF3 years ago
从网络资源中发现信号以预测网络攻击
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。
PDF6 years ago