- 企业网络入侵检测的对抗鲁棒性评估
提出了一种方法论性对多个决策树集成模型进行对抗鲁棒性评估的基准测试，评估了正常和对抗训练的随机森林 (RF)、梯度提升树 (XGB)、轻梯度提升树 (LGBM) 和增强型决策树 (EBM) 模型对网络流量的检测性能，通过减少误报来提高对可疑 - 网络流量指纹识别的局部敏感哈希算法
本研究提出了利用局部敏感哈希技术进行网络流量指纹识别的解决方案，并通过与基于机器学习的流量指纹识别方法的比较，得出了相对于现有方法准确率提高了 12% 的结论，达到了 94% 的网络设备识别准确率。
- 利用图神经网络辅助防御性网络操作
在一个日益相互连接的世界中，信息是现代社会的命脉，常规的网络攻击破坏了数字系统和信息的机密性、完整性和可用性。然而，网络攻击的目标各不相同，并且不断演化以掩盖防御系统。在这篇论文中，我们探讨了图神经网络在破坏最著名的攻击生命周期之一 - L - 模型预测控制中分布式编队控制器的攻击韧性探究
本论文致力于通过研究攻击场景并评估其对系统性能的影响，来提高分布式车队控制器的安全性。使用模型预测控制 (MPC) 控制器模拟了各种攻击技术，包括中间人攻击和伪造数据注入，以识别车队控制器的漏洞和弱点。论文提供并测试了一些对策，其中包括使用 - NSL-KDD 数据探索和增强分析：基于深度生成对抗网络提高极限梯度提升算法在网络攻击分类中的性能
该研究提出了使用深度生成对抗网络（GANs）增强 NSL-KDD 数据集，并提高 eXtreme Gradient Boosting（XGBoost）在 NSL-KDD 数据集上对网络攻击分类的效果，结果显示，使用 XGBoost 模型结合 - 利用深度强化学习推进具备需求响应的攻击弹性集成能源系统的调度
基于深度强化学习的状态对抗方式，提出了一种创新的无模型韧性调度方法，用于具备集成需求响应功能的集成能源系统，该方法能够充分应对可再生能源和负载所带来的不确定性，并减轻网络攻击对调度策略的影响，确保各种能源的稳定供求，并具备抵御网络攻击的韧性 - 深度强化学习在自主网络操作中的应用调查
近年来网络攻击数量的快速增加使得有必要提出原则性方法来防御恶意行为者。深度强化学习已成为一种有望减轻这些攻击的方法，但在大规模应用于自主网络操作之前，需要克服许多挑战。本文调研了相关的深度强化学习文献，并构思了一个理想的自主网络操作的深度强 - 基于图神经网络的入侵检测的高效网络表示
我们提出了一种新颖的网络表示形式作为流图，旨在为入侵检测任务提供相关的拓扑信息，以及通过基于图结构的神经网络框架将通信流分类为恶意得分。我们还强调了传统评估程序可能存在的数据泄露问题，并提出了解决方案以确保入侵检测系统性能的可靠验证。通过实 - 智能电网系统中的异常检测技术：一项综述
本文提供了最近智能电网异常检测研究的综述，分类了该领域的各个方面，最后总结出未来研究方向。
- 通过 MUD 活动的动态监测检测物联网体积攻击中的异常微流量
通过 SDN 技术对物联网设备的预期行为进行监督，并使用单类别分类器模型检测体积攻击，从而在检测新的网络攻击方面提供更高的可见性和精确性。
- 工业控制系统深度多模态网络安全攻击检测
本研究针对工业控制系统 (ICs) 的复杂性以及最近发生的大量网络攻击提出了一种多模态检测模型，使用网络和传感器数据，并在 Secure Water Treatment (SWaT) 系统上进行了验证，结果表明，本研究提出的模型能够优于现有 - 普适机器人系统的 AI 安全威胁：下一代网络安全人才的课程
物理机器人近距离工作，科技安全的威胁引起人们担忧。现今缺少专业人士来保护这些系统，因此需要相应的课程来开发和集成。该课程包括七个自包含的模块，旨在对普及的机器人系统进行人工智能安全威胁防御与训练。
- 使用联邦学习和区块链加强金融服务安全性
本研究探讨了区块链和联邦学习如何应用于金融服务领域，以解决数据保护、存储优化和安全控制等问题，并提出了未来发展方向。
- 基于强化学习的联网交通系统自适应交通信号控制器的网络攻击模型
该研究开发了一种基于强化学习的网络安全攻击模型，用于识别适应性交通信号控制器在通过连接的车辆接收实时车辆轨迹数据来调节绿色时间时所存在的困境。
- LCCDE: 基于决策的集成框架用于智能汽车互联网入侵检测
为了保护互联汽车系统免受网络攻击的危害，提出了一种基于机器学习的新型集合入侵检测系统框架 (LCCDE)，在车辆攻击和 CICIDS2017 数据集上的实验表明其检测多种类型的网络攻击的效果显著。
- 恶意广告 URL 检测框架的对抗性攻击分析
本文讨论了利用机器学习方法检测恶意广告链接的问题，提出了一种使用多种特征并结合不同机器学习算法的检测系统，并实现了一种基于 K-means 算法的数据聚类方法以及对决策树模型的攻击形式。
- 学习使用分布式能源资源攻击电网
本文介绍了一种基于动态学习的无功功率攻击方法，该攻击可以针对独立工作的电力系统，并且可以在其他发电机和使用者独立操作的情况下有效。
- 使用神经网络检测 DDoS 攻击的方法 DDoSDet
本研究提出使用神经网络检测 DDoS 攻击，区分恶意和合法数据流，从而防止网络性能下降。该系统精度高达 99.7％。
- MTH-IDS：一种面向车联网的多层级混合入侵检测系统
本文提出一种多层次混合式 IDS，其结合基于签名的 IDS 和基于异常的 IDS，以检测车载网络上已知和未知攻击，实验结果表明，该系统能够以 99.99％的准确度检测到各种类型的已知攻击，并且对于新攻击检测也非常有效。
- 静态和时变网络上的拜占庭鲁棒去中心化随机优化
提出了一种基于总变差正则化的适应于拜占庭攻击的随机子梯度优化算法，在去除拜占庭代理的情况下达到了最优解附近，并且在数值模拟实验中表现出优越的性能.