XiaoMi-AI文件搜索系统
World File Search System4Cyber
ACM KDD AI4Cyber/MLHat：人工智能赋能研讨会
联邦资助机构和行业实体正在寻求创新方法来应对日益严重的网络安全危机。越来越多的网络安全思想领袖表示，人工智能 (AI) 支持的分析可以帮助解决关键的网络安全任务并部署防御。本次半天研讨会与 ACM KDD 共同举办，旨在从学术界和从业者那里获得对网络安全应用和可部署防御解决方案的人工智能支持分析各个方面的重大研究贡献。本次研讨会是 2021 年人工智能支持的网络安全分析和 2021 年安全防御可部署机器学习国际研讨会的联合研讨会。因此，我们成立了一个跨学科计划委员会，在人工智能、网络安全和/或可部署防御的各个方面拥有丰富的经验。
ACM 参考格式：Erik Hemberg 和 Una-May O'Reilly。2021 年。使用整理的网络安全数据集进行机器学习和人工智能。在 ACM KDD AI4Cyber：KDD'21 上第一届人工智能网络安全分析研讨会，2021 年 8 月 14 日至 18 日，虚拟。ACM，美国纽约州纽约，5 页。https://doi.org/10.1145/nnnnnnn.nnnnnnn
有时彼此之间有外部链接。在这里，我们展示了如何使用单个数据集 BRON 1 ，该数据集支持行为级别的 AI 建模和 ML 推理，见图 1，方法是使用一组合并的关键公共威胁和漏洞信息源。BRON 在 [11] 中有完整描述。不幸的是，公共威胁和漏洞信息是从历史攻击中提取的，例如高级持续性威胁 (APT)。事后，APT 被分类和定义为特定行为者追求目标的行为，构成具有特定策略、技术和程序的威胁。攻击目标被列为硬件或软件漏洞或暴露，有时它们本身会交叉引用到代码、设计或系统架构中发现的某种弱点。攻击模式是手动识别和枚举的。根据其类型，每个信息单元都填充为特定数据库的条目，并进行一定程度的交叉引用。组合数据库之间具有不规则的成对链接，可用于防御推理。本文展示了将四个公共数据库的数据合并成一个图形数据库 BRON [11] 的用途。这四个数据库分别是：