XiaoMi-AI文件搜索系统
World File Search Systemmalware
增强电子邮件安全性：一种用于垃圾邮件和恶意软件检测的混合机器学习方法
最近的研究表明，SMS垃圾邮件中有一个显着的激增，是旨在欺骗个人泄露私人帐户或身份细节的实体，通常称为“网络钓鱼”或“电子邮件垃圾邮件”。常规垃圾邮件过滤器难以充分地确定这些恶意电子邮件，从而面对从事在线交易的消费者和企业面临挑战。解决此问题提出了重大的学习挑战。最初以直接的文本分类问题出现，但分类过程因垃圾邮件和合法电子邮件之间的惊人相似性而变得复杂。在这项研究中，我们引入了一种名为“滤波器”的新方法，专为检测欺骗性SMS垃圾邮件而设计。通过合并量身定制的功能，以揭示对DUPE用户使用的欺骗性技术，我们的SMS垃圾邮件电子邮件的准确分类率超过99.01％，同时保持较低的假阳性率。使用包括746个垃圾邮件实例和4822个合法电子邮件实例的数据集获得了这些结果。在具有两个属性和5568实例的数据集上评估过滤器的精度，特别是超过现有方法。我们提出的模型是一种混合NB-ANN模型，达到99.01％的最高精度，表现优于幼稚的贝叶斯（98.57％）和人工神经网络（98.12％）。这突出了混合方法在增强电子邮件垃圾邮件检测和恶意软件过滤的精度方面的功效，从而确保跨培训和测试数据集的全面覆盖范围，以改善反馈循环。
基于深度学习的恶意软件检测的自动化机器学习
深度学习（DL）已被证明在检测不断发展的复杂恶意软件方面具有有效性。，尽管深度学习减轻了功能工程问题，从而找到了最佳的DL模型的体系结构和一组超参数，但仍然是一个需要领域专业知识的挑战。此外，许多提出的最新模型非常复杂，可能不是不同数据集的最佳选择。一种有希望的方法，即自动化机器学习（AUTOML），可以通过自动化ML管道密钥组件（即超参数优化和神经架构搜索（NAS））来减少开发自定义DL模型所需的域专业知识。Automl减少了设计DL模型所涉及的人类反复试验的数量，在最近的实现中，可以找到具有相对较低计算开销的新模型体系结构。对使用汽车进行恶意软件检测的可行性的研究非常有限。这项工作提供了全面的分析和有关将AUTOML用于静态和在线恶意软件检测的见解。对于静态，我们的分析是在两个广泛使用的恶意软件数据集上进行的：Sorel-20m，以在大型数据集上演示效率；和Ember-2018，这是一个较小的数据集，该数据集特定于策划，以阻碍机器学习模型的性能。此外，我们还显示了调整NAS过程参数的效果，以在这些静态分析数据集中找到更佳的恶意软件检测模型。此外，我们还证明了Automl是在线恶意软件检测方案中使用卷积神经网络（CNN）的云IAAS的表现。我们使用新生成的在线恶意软件数据集将AutoML技术与六个现有的最先进的CNN进行了比较，而在恶意软件执行期间，有或没有其他应用程序在后台运行。我们表明，与最先进的CNN相比，汽车技术的性能更高，而在架构上很少有开销。一般而言，我们的实验结果表明，基于汽车的静态和在线恶意软件检测模型的性能比文献中介绍的最先进的模型或手工设计的模型在标准杆上甚至更好。
警告。APT28 利用已知漏洞对思科路由器进行侦察并部署恶意软件
使用 SNMP 协议访问路由器 2021 年，APT28 使用基础设施伪装简单网络管理协议 (SNMP) 访问全球的思科路由器。其中包括少数位于欧洲的路由器、美国政府机构和大约 250 名乌克兰受害者。SNMP 旨在允许网络管理员远程监控和配置网络设备，但它也可能被滥用来获取敏感的网络信息，如果存在漏洞，还可以利用设备渗透网络。许多软件工具可以使用 SNMP 扫描整个网络，这意味着不良配置（例如使用默认或易于猜测的社区字符串）可能会使网络容易受到攻击。弱的 SNMP 社区字符串（包括默认的“public”）允许 APT28 获取路由器信息的访问权限。APT28 发送了额外的 SNMP 命令来枚举路由器接口。[T1078.001] 被入侵的路由器配置为接受 SNMP v2 请求。 SNMP v2 不支持加密，因此所有数据（包括社区字符串）都是以未加密形式发送的。利用 CVE-2017-6742 APT28 利用了漏洞 CVE-2017-6742（Cisco Bug ID：CSCve54313）[T1190]。思科于 2017 年 6 月 29 日首次公布了此漏洞，并发布了修补软件。思科发布的公告提供了解决方法，例如仅限制受信任主机对 SNMP 的访问，或禁用多个 SNMP 管理信息库 (MIB)。恶意软件部署
恶意软件和社交媒体
2.1 恶意软件的分类 ................................................................................................................ 3 2.1.1 病毒 .......................................................................................................................... 3 2.1.2 Gusano .......................................................................................................................... 7 2.1.3 Troyano ...................................................................................................................... 9 2.1.4 勒索软件 ...................................................................................................................... 10 2.1.5 恐吓软件 ...................................................................................................................... 12 2.1.6 间谍软件 ...................................................................................................................... 12 2.1.7 广告软件 ...................................................................................................................... 13 2.1.8 过度膨胀软件 ................................................................................................................ 13 2.1.9 Rootkit .......................................................................................................................... 14 2.1.10 风险软件 .......................................................................................................................... 14 2.2 僵尸网络 ................................................................................................................................ 15
摘要尽管网络攻击对网络安全的各个方面做出了重大贡献，但不幸的是，网络攻击仍然呈上升趋势。越来越多的国际公认实体，例如美国国家科学基金会和美国国家科学技术委员会，已经注意到人工智能可以帮助分析数十亿个日志文件、暗网数据、恶意软件和其他数据源，以帮助执行基本的网络安全任务。我们举办第 1 届人工智能网络安全分析研讨会 (半天；与 ACM KDD 同一地点举行) 的目标是聚集学术界和从业者，贡献有关人工智能网络安全分析的最新研究。我们组建了一个优秀的跨学科计划委员会，该委员会在人工智能网络安全分析的各个方面拥有丰富的专业知识，以评估提交的工作。在 CTI、漏洞评估和恶意软件分析等领域为半天研讨会做出了重大贡献。
摘要 尽管对网络安全的各个方面做出了重大贡献，但网络攻击仍然令人遗憾地呈上升趋势。越来越多的国际公认实体（如美国国家科学基金会和美国国家科学技术委员会）注意到人工智能可以帮助分析数十亿个日志文件、暗网数据、恶意软件和其他数据源，以帮助执行基本的网络安全任务。我们举办第一届人工智能网络安全分析研讨会（半天；与 ACM KDD 同地举办）的目标是聚集学术界和从业者，为人工智能网络安全分析的最新工作做出贡献。我们组建了一个优秀的跨学科计划委员会，该委员会在人工智能网络安全分析的各个方面拥有丰富的专业知识，以评估提交的工作。在 CTI、漏洞评估和恶意软件分析领域为半天研讨会做出了重大贡献。