XiaoMi-AI文件搜索系统
World File Search System可执行文件
3.1 研究与开发支持 本功能区...
分析、技术支持硬件和计算机软件的开发或选择，或对系统、测试设施或培训设施的现有硬件和软件进行修改。这还包括软件工程工作和编程支持，以在技术上支持利用计算机、电子设备和软件的系统、子系统和组件中的软件实施。规划、设计、编码、测试、集成、支持和交付算法、软件（源代码和可执行文件）、计算机程序是此功能领域的固有活动。与整体支持服务工作相关的商用现货 (COTS) 解决方案和产品修改（例如软件工具、许可和相关硬件）被视为属于此功能领域的范围。一般而言，根据本合同进行软件开发的软件开发流程至少应在软件工程研究所 (SEI) 能力成熟度模型 (CMM) 3 级或同等级别进行评估，但政府可以在根据合同发布的单个任务订单中指定其他（较低或较高）标准。
RSA攻击 +修复
的解说旨在恢复二进制可执行文件，从而在源代码表格中恢复，因此在网络安全方面具有广泛的应用程序，例如恶意软件分析和旧版代码硬化。一个突出的挑战是恢复可变符号，包括原始类型和复杂类型，例如用户定义的数据结构，以及它们的符号信息，例如名称和类型。现有的工作着重于解决问题的一部分，例如，仅处理类型（没有名称）或本地变量（没有用户定义的结构）。在本文中，我们提出了Resym，这是一种新型混合技术，结合了大型语言模型（LLM）和程序分析，以恢复本地变量和用户定义的数据结构的名称和类型。我们的方法包括两个LLM的微调来处理局部变量和结构。为了克服当前LLM中固有的令牌限制，我们设计了一种新型的基于原始的算法，以汇总和交叉检查来自多个LLM查询，从而抑制了不确定性和幻觉。我们的实验表明，Resym有效地恢复了可变信息和用户定义的数据结构，从而大大优于最新方法。
FLAIR高级功能
Options: -1 Load the first flair file in the folder --compile Compile executable -d/-D Activate/Deactivate the beta-development features --data # Process/Merge the data files of all or specific runs (no default).接受模式或逗号分开的名称，例如*或foo*或foo，bar* -exe文件fluka可执行文件。（默认值：{flukadir}/bin/fluka）-h | - ？| - help打印此帮助页-i/ - ini文件替代配置文件（默认：$ home/.flair/.flair/.flair/flair.ini）-l | - 列表列表最近的项目-p/-p启用/禁用分析-M＃在模式下打开一个新项目-plots -plots可做所有图，并保存文件-r | - 重载最新项目-R＃加载最近的项目（数字1..10或FILENAME）-s skip oil dialog -t dialog -t＃| -Type＃强制导入文件类型加载，如果与.flair不同。接受的类型：Flair Fluka GDML MCNP Moira Penelope Pickle -U | - 更新重新计算并保存输入文件变量-v/-v | - verbose增加/降低详细的水平 - noansi dusts上的ANSI颜色
征求选择顾问的建议
i. 顾问应确保通过顾问专门为此目的分配的笔记本电脑/台式电脑（“设备”）而不是任何其他私人或公共设备对银行的 VPN 进行远程访问。 ii. 服务提供商应确保只有其授权的员工/代表才能访问设备。 iii. 顾问应按照银行现行的标准和政策对设备进行强化/配置。 iv. 在银行提供此类远程访问之前，顾问和/或其员工/代表应按照银行规定的格式提供承诺和/或信息安全声明。 v. 顾问应确保服务在物理保护和安全的环境中执行，以确保银行数据和工件的机密性和完整性，包括但不限于银行代表可以检查的信息（关于客户、账户、交易、用户、使用情况、员工等）、架构（信息、数据、网络、应用程序、安全性等）、编程代码、访问配置、参数设置、可执行文件等。顾问应协助和/或将设备移交给银行或其授权代表进行调查和/或法医审计。vi. 顾问应负责保护其网络和子网络（从中对银行网络进行远程访问），有效防范未经授权的访问、恶意软件、恶意代码和其他威胁。
高功率和高能锂离子电池技术（...
静态和动态恶意软件分析技术；包装，解开包装，沙箱可执行文件，在VM中的运行时分析；高级静态分析 - 分析恶意窗口程序；高级动态分析 - 调试，与Windbg进行内核调试；动态数据流跟踪（DFT）;过程注入，API钩，DLL注入；反射性DLL加载，动态API加载，64位恶意软件，无文件恶意软件； AV混淆技术；秘密恶意软件启动；数据编码；以恶意软件为中心的网络签名；外壳分析；逆转固件； Android，iOS架构； Android反向工程：Android应用程序体系结构的理解；逆转应用程序的工具（JADAX，APKTOOL，BACKSMALI，DEXTOJAR）; Android应用的混淆技术，Deobfuscation Techniques; SMALI代码理解，代码注入技术； iOS应用程序安全； iOS安全机制和安全体系结构；安全启动链，数据加密和网络安全； iOS文件系统隔离，应用程序沙盒，iOS设备体系结构；使用Cuckoo，Yara的自动恶意软件分析；恶意软件作为服务。
russia-ukraine-cyber-conflict-analyst-note-tlpwhite.pdf - HHS.gov
HermeticWiper 以可执行文件的形式出现，该文件由颁发给 Hermetica Digital Ltd 的证书签名。它包含 32 位和 64 位驱动程序文件，这些文件通过 Lempel-Ziv 算法压缩，存储在其资源部分中。驱动程序文件由颁发给 EaseUS Partition Master 的证书签名。该恶意软件将根据受感染系统的操作系统 (OS) 版本删除相应的文件。驱动程序文件名是使用 Wiper 的进程 ID 生成的。一旦运行，Wiper 将损坏受感染计算机的主引导记录 (MBR)，使其无法运行。除了破坏能力之外，Wiper 似乎没有任何其他功能。它利用一个签名的驱动程序，该驱动程序用于部署针对 Windows 设备的 Wiper，以导致启动失败的方式操纵主引导记录。数字证书是由塞浦路斯公司“Hermetica Digital Ltd”颁发的。 （注意：如果存在，该公司很可能不存在或无法运营）该证书截至 2021 年 4 月有效，但似乎未用于签署任何文件。 HermeticWiper 调整其进程令牌权限并启用 SeBackupPrivilege，这使恶意软件能够读取任何文件的访问控制，无论访问控制列表中指定了什么。一个恶意软件样本的大小为 114KB，其中大约 70% 由资源组成。它滥用良性分区管理驱动程序 empntdrv.sy
使用机器学习检测勒索软件...
2024年。更不用说在2021年全球大约有6亿次攻击，这是对网络安全的主要威胁。也有人说，IBM报告中的勒索软件攻击泄露数据泄露的10％增加。JumpCloud一个IT平台说，与过去几年相比，勒索软件攻击的幅度强劲。为了克服这一威胁，如此多的研究人员以及科学家发现了许多防止这种感染的想法。通过使用机器学习算法，自然语言处理，静态分析，基于文件的异常分析，基于网络的分析以及基于行为分析，一些算法和方法通过使用机器学习算法，静态分析，基于异常的分析来实现了很高的精度。大多数研究以及研究主要基于行为分析和网络分析。因此，本文主要集中于根据PE（便携式可执行文件）文件的PE标头的功能检测勒索软件文件。那么为什么要执行文件？为什么不使用其他方法？主要原因是可以提取PE文件的功能，而无需实际执行PE文件。与其他方法相比，检测时间将更高。在PE文件中使用PE标头功能所需的资源要低得多，并且病毒感染系统的风险也很小。除了使用赎金注释的自然语言处理对勒索软件的分析之外，PE标头分析方法具有最小的假阳性或假阴性。
链反应器：通过AI Planning
当前的学术脆弱性研究主要是为了识别程序和系统中的单个错误和漏洞。然而，这与依赖一系列步骤（即一系列漏洞）实现其目标的序列的现代高级攻击的趋势不断增长，通常会纳入单独的良性行动。本文为使用AI计划自动发现了这种剥削链的自动发现。尤其是我们旨在发现特权升级链，这是一些最关键和最普遍的策略威胁，涉及利用脆弱性以获得未经授权的访问和对系统的控制。我们将方法作为一种工具，即链反应器，将问题建模为一系列动作，以实现从初始访问目标系统的特权升级。链反应器提取有关目标可执行文件，系统配置和已知漏洞的信息，并将此数据编码为计划域定义语言（PDDL）问题。使用现代计划者，ChainReactor可以生成结合脆弱性和良性动作的链条。我们评估了3个综合脆弱VM，504个现实世界的亚马逊EC2和177个数字海洋实例的链反应器，证明了其重新发现已知特权库存利用的能力，并确定了以前未报告的新链。具体而言，评估表明，链反应器成功地重新发现了捕获链中的漏洞链（CTF）机器，并确定了16个亚马逊EC2和4个数字海洋VM的零日链。
脑启发计算的系统层次结构
神经形态计算从大脑中汲取灵感，为计算技术和架构提供了推动下一波计算机工程浪潮的潜力 1–13 。这种受脑启发的计算也为通用人工智能的发展提供了一个有希望的平台 14,15 。然而，与传统计算系统不同，传统计算系统具有围绕图灵完备性和冯·诺依曼架构 16–18 概念构建的完善的计算机层次结构，而目前还没有针对脑启发计算的通用系统层次结构或对完整性的理解。这会影响软件和硬件之间的兼容性，削弱脑启发计算的编程灵活性和开发效率。在此，我们提出了“神经形态完整性”，它放宽了对硬件完整性的要求，以及相应的系统层次结构，其中包括图灵完备的软件抽象模型和多功能的抽象神经形态架构。使用这个层次结构，各种程序都可以被描述为统一的表示，并转换为任何神经形态完整硬件上的等效可执行文件——也就是说，它确保了编程语言的可移植性、硬件完整性和编译可行性。我们实现了工具链软件来支持在各种典型硬件平台上执行不同类型的程序，展示了我们系统层次结构的优势，包括神经形态完整性引入的新系统设计维度。我们期望我们的研究将使脑启发计算系统的各个方面取得高效、兼容的进展，促进包括人工智能在内的各种应用的开发。
neffy：用于计算有效序列数量的多功能工具
在最近的应用中，MSA的构建从有趣的查询顺序开始。该过程涉及搜索数据库以查找类似于查询的序列并将其对齐。DNA/RNA测序技术的最新进展扩大了Pub-LIC数据库，使能够产生具有高序列多样性的MSA [13，14]。通常认为这种MSA提供了更丰富的进化和协调性的见解，因此它们可以提高使用模型来下游任务的模型的有效性[9]。但是，由于MSA可以包含冗余序列，因此序列的数量本身可能不是其多样性的准确反映。“有效序列的数量”的概念，NEFF解决了这种冗余，并评估了MSA的质量。较高的NEFF值通常表明MSA更多样化和信息丰富，从而导致预测接触图和蛋白质或RNA分子的三级结构的精度[15，16]。例如，当NEFF值低于30 [5]时，Alphafold的准确性大大下降。此外，对于使用RNA的MSA作为输入的RNA结构预测模型（例如Trrosettarna），预测准确性与NEFF [7]相关，而对于高质量的MSA，这些模型可以胜过其他方法[17]。我们介绍了Neffy，这是一种快速而专用的独立工具，用于NEFF计算。neffy具有唯一装备的分析MSA，并在蛋白质和核酸序列的多种MSA格式中计算NEFF。它集成了NEFF工具（请参阅表1）中的所有功能，并提供一组新功能。neffy是在C ++中开发的，以实现最佳性能，并作为包装C ++可执行文件的Python库提供。这种方法可以使无缝集成到基于Python的工作流程中，从而简化了更广泛的受众的使用，同时保持效率。