XiaoMi-AI文件搜索系统
World File Search System扫描器
区域监视雷达扫描器1002
充当Terma T.reeact CIP系统中的主要传感器，扫描器1002雷达在确保所有检测到的违反已建立安全框架部分的对象都会自动分析，优先级和根据严重性表示。这使操作员可以专注于重要的事情，而系统则分散了分心的动作。
海军空气和表面监视雷达
小目标检测扫描器4603雷达依赖于X波段来获得市场领先的空间分辨率。高空间分辨率转化为较高的目标分离，确保对非常小的空气和表面目标的可靠检测和跟踪，并产生清晰而自信的高分辨率情境意识图片（白天和黑夜以及在所有天气条件下）。对于诸如监视，巡逻，执法，拦截，登机，插入和提取等操作以及SAR，具有高空间分辨率的扫描器4603是理想的选择。
基于人工智能和动态分析的 Web 应用程序漏洞扫描程序
网络应用程序的广泛使用和敏感数据的运行使其成为网络攻击者最重要的目标之一。可以采取的最重要的安全措施之一是在攻击者之前检测并关闭网络应用程序上的漏洞。本研究开发了一种基于动态分析和人工智能的 Web 应用程序漏洞扫描器，它可以使用 GET 和 POST 方法测试 Web 应用程序，并具有针对 21 种不同漏洞类型的测试类。开发的漏洞扫描器在本研究范围内创建的 Web 应用程序测试实验室中进行了测试，该实验室有 262 个不同的 Web 应用程序。使用开发的漏洞扫描器执行的测试创建了一个数据集。在本研究中，使用上述数据集作为第一阶段对网页进行分类。使用随机森林算法确定的页面分类过程中的最高成功率为 95.39%。使用数据集执行的第二项操作是漏洞之间的关联分析。提出的模型比标准扫描模型节省了 21% 的时间。在本研究中，页面分类过程也用于抓取 Web 应用程序。
可信平台模块 (TPM) 用例
电信和信息管理局 (NTIA) 旨在对 OS 用户环境中的软件和相关依赖项的测量进行分类。[21]、[22] SBOM 不需要使用 TPM。根据设备健康证明 (DHA) 或完整性测量架构 (IMA) 等运行时测量服务的配置，SBOM 校验和哈希不能保证与软件的 TPM PCR 测量直接相关。但是，执行软件完整性测量的 SBOM 扫描代理（与 TPM 无关）可以使用校验和哈希。扫描器代理可以定期测量并记录到 TPM PCR，从而建立可信的完整性链。用作已知良好参考的 SBOM 应由负责给定软件的来源签名。
征集 CIT 技术开发站点
• 拥有配备自动化设备的专用物理测试环境，例如输送系统、自动导引车、码垛机、物料搬运系统、工业和协作机器人、PLC 和控制系统 • 可能包括专用制造设备，例如激光切割机、水刀切割机、CNC、3D 打印机、车床、镗铣床等。 • 提供以下一个或多个传感和数据系统，包括计算机视觉摄像机、条形码扫描器、RFID 标签阅读器、数据采集系统、制造执行系统、SCADA、CMM、3D 扫描仪等。 • 能够集成和测试 IIOT 应用程序，以实现预测性维护、制造执行系统和质量管理系统。 • 提供服务、软件、硬件和技术专业知识，帮助中小企业开发、验证、编程和扩展其创新技术。
人工智能与机器学习在安全运营中心的应用
安全运营中心 (SOC) 的使命是保护数字资产（数据、应用程序、基础设施）免受恶意攻击和破坏。SOC 通过人员、流程和技术在检测、响应和从网络攻击中恢复方面完成其使命。SOC 依赖于多种硬件设备和软件工具，例如防火墙、入侵检测和预防系统、基于传感器的事件、系统日志、端点检测和响应、威胁情报、漏洞扫描器等。这些工具和设备实时生成大量数据。因此，安全事件和信息管理 (SIEM) 等工具必须分析大量数据以检测恶意活动和安全事件。机器学习和人工智能技术有可能检测异常和网络攻击。本研究重点介绍 AI/ML 如何嵌入 SOC 工具。关键词：安全运营中心、人工智能、机器学习、网络攻击
人工智能和机器学习在安全运营中心的应用 Mohammad Anwarul Islam，中乔治亚州立大学
安全运营中心 (SOC) 的使命是保护数字资产（数据、应用程序、基础设施）免受恶意攻击和破坏。SOC 通过人员、流程和技术在检测、响应和从网络攻击中恢复方面完成其使命。SOC 依赖于多种硬件设备和软件工具，例如防火墙、入侵检测和预防系统、基于传感器的事件、系统日志、端点检测和响应、威胁情报、漏洞扫描器等。这些工具和设备实时生成大量数据。因此，安全事件和信息管理 (SIEM) 等工具必须分析大量数据以检测恶意活动和安全事件。机器学习和人工智能技术有可能检测异常和网络攻击。本研究重点介绍 AI/ML 如何嵌入 SOC 工具。关键词：安全运营中心、人工智能、机器学习、网络攻击
TLP：清除 TLP：清除
LOTL 是一种有效的技术，因为许多组织没有实施支持检测恶意活动的安全最佳实践功能。CISA 的红队经常利用 LOTL 进行未被发现的持续访问。这些红队评估展示了攻击者如何在几乎不投资工具的情况下实现对整个域的入侵。在许多情况下，CISA 的红队发现被评估的组织缺乏安全基线，允许 LOLBins 执行，并使分析师无法识别异常活动。在其他情况下，组织没有适当调整其检测工具以减少警报噪音，导致警报数量难以管理，难以筛选和采取行动。自动化系统（例如使用服务帐户和漏洞扫描器的持续管理功能）经常执行高度特权的、可能可疑的操作，如果没有适当分类，这些操作会使分析师淹没在日志事件中。