XiaoMi-AI文件搜索系统
World File Search System网络攻击
检测网络攻击和网络攻击
计算机工程系1,2,3,4,5 Adsul的技术校园，Chas，Ahmednagar，印度摘要：随着网络威胁的复杂性和网络基础架构的增长，传统的基于规则的入侵检测系统（IDS）在保护现代网络攻击方面的不足证明。因此，通过实现积极的检测和缓解网络威胁，机器学习（ML）算法的集成已成为强化网络安全的一种有希望的方法。本评论论文全面探讨了ML算法在检测各种形式的网络攻击和网络入侵中的应用。审查首先概述了网络攻击和网络入侵的基本概念，为随后关于基于ML的检测方法的讨论提供了背景。它调查了网络安全采用的ML算法的景观，从支撑矢量机（SVM）等经典技术到随机森林等经典技术到更高级的方法，例如深度学习和整体模型。此外，本文解释了用于培训和评估基于ML的入侵检测系统的多种数据集，强调了它们在确保可靠且可推广的模型方面的重要性。此外，它研究了与ML驱动的检测相关的挑战和局限性，包括数据稀缺问题，对抗性攻击和模型可解释性。关键字：网络攻击，机器学习，数据集，检测
在网络攻击检测和化学过程的弹性控制中，物理信息的机器学习
随着物联网（IoT）设备，云计算和其他数字技术的整合到化学过程中，网络攻击的复杂性和隐身性已增加。为了减轻传感器网络攻击在化学过程中的影响，这项工作提出了一个框架，该框架开发了基于物理学的机器学习（PIML）基于基于物理的检测器和弹性控制器，以改善网络攻击下非线性系统的闭环性能。PIML检测器是通过定制的损失函数构建的，该损失函数将网络攻击的领域知识集成到训练过程中。此外，在检测攻击后，开发了知识引导的扩展卡尔曼滤波器，以提供估计的弹性控制状态，以便在用冗余传感器替换之前。一个化学过程示例用于说明提出的基于PIML的检测和弹性控制方法处理网络攻击的应用。
从网络攻击中吸取教训...
本文概述了 2023 年 10 月发生的针对英国图书馆的网络攻击，并研究了其对图书馆运营、未来基础设施、风险评估和经验教训的影响。在图书馆和我们的网络安全专家进行了广泛的取证调查后，本文列出了攻击发生的详细时间表，包括 10 月 28 日星期六发生重大勒索软件攻击前几天的一次疑似敌对侦察事件。尽管攻击者在攻击过程中加密或销毁了我们的大部分服务器资产，但我们已确定了一台我们认为可能是入口点的服务器，并探讨了为什么我们的安全措施不够充分，尽管我们经常使用安全评估，包括适当情况下的渗透测试。负责此次攻击的犯罪团伙复制并窃取（非法删除）了大约 600GB 的文件，包括图书馆用户和工作人员的个人数据。当确定不会支付赎金后，这些数据被拍卖，随后被倾倒在暗网上。我们的企业信息管理部门正在对数据转储中包含的材料进行详细审查，如果发现敏感材料，他们会联系受影响的个人，提供建议和支持。除了窃取数据以勒索赎金外，攻击者的方法还包括加密数据和系统，以及破坏一些服务器以阻止系统恢复并掩盖他们的踪迹。后者对图书馆的影响最为严重：虽然我们拥有所有数字收藏的安全副本——包括原生数字内容和数字化内容，以及描述它的元数据——但我们因缺乏可行的基础设施来恢复它而受到阻碍。我们的基础设施重建工作自 2023 年 12 月开始，使用攻击前批准和购买的设备，并且仍在进行中。因此，对图书馆系统和服务的影响是深远而广泛的。尽管图书馆始终保持开放，展览、活动和阅览室访问均得到维护，但我们的研究服务在头两个月受到严重限制，即使在 2024 年 1 月 15 日恢复可搜索版本的在线目录后，服务仍未完成。图书馆的工作人员正在努力进行全面恢复，并继续与我们的用户分享最新动态。我们的主要软件系统无法恢复到攻击前的状态，要么是因为它们不再受供应商支持，要么是因为它们无法在目前正在推出的新安全基础设施上运行。这包括我们的主要图书馆服务平台，它支持从编目和提取非印刷品法定存放 (NPLD) 材料到馆藏访问和馆际互借等服务。其他系统需要修改或迁移到较新的软件版本，然后才能在新的基础设施中恢复。我们的基于云的系统，包括财务和工资单，在整个事件期间都运行正常。本文概述了攻击对图书馆使命及其公共目的的影响。危机期间受打击最严重的是与保管和研究有关的目的，因为这些目的直接受到与馆藏访问有关的核心系统的丢失的影响。我们与商业、文化、学习和国际合作有关的公共目的受到的影响相对较小，现场服务和活动基本没有出现重大中断，我们与公共图书馆的合作网络也是如此。在此期间，展览和现场文化活动已超额完成目标。
审查AI和机器学习应用程序，以实时预测和阻止网络攻击
当代的网络安全景观需要创新的解决方案，以打击网络威胁的无情演变。传统方法正面临着前所未有的挑战，迫使人们向人工智能（AI）和机器学习（ML）的整合的范式转变。本文精心探讨了AI和ML强化实时网络安全的潜力，重点是快速预测和缓解网络攻击。在不断升级的威胁景观的背景下，本文推动对先进技术的调查来加强网络安全。传统方法论的局限性强调了研究AI和ML在增强防御机制中的疗效的紧迫性。本文努力全面研究AI和ML在实时网络安全中的作用。它明显地强调了他们预测和阻止网络攻击的潜力。探索包括不同的维度，从模型复杂性的复杂性到安全，道德和新兴趋势的关键考虑。围绕健壮的框架结构，探索包括全面的研究方向。这些包括增强解释性的必要性，解决对对抗攻击的脆弱性，促进人类与人工智能之间的协作以及开发抗量子的加密解决方案。本文通过实时网络安全实施AI和ML固有的复杂的技术，组织和道德维度导航。这种探索的发现阐明了与AI和ML在网络安全中的整合相关的承诺和挑战。道德考虑，对对抗性攻击的脆弱性以及抗量子加密的紧急性出现，因为需要细微的关注和探索的关键领域。本文设想了一个未来，其中人类专业知识与AI和ML的能力的融合会导致创造弹性和适应性网络安全生态系统。划定的研究方向不仅是持续创新的全面路线图，而且还可以作为有效整合AI和ML的基础指南，以保护我们的数字领域免受网络威胁的不断发展的景观。
使用机器学习技术检测僵尸网络攻击的综合ID，Ayad Barsoum St. Mary's University，圣安东尼奥，德克萨斯州
摘要 - 在当代网络威胁的景观中，僵尸网络攻击是一种普遍存在的不断发展的威胁，要求复杂的对策。本文提出了利用先进的机器学习技术来阻止僵尸网络入侵的入侵检测系统（IDS）的全面发展。该IDS的核心是一个合奏投票分类器，这是多种算法的协同集成，量身定制，旨在增强检测功效和适应性。本文描述了我们作品的系统发展，包括精心的数据预处理，战略性功能选择，严格的模型培训以及直觉Web应用程序的部署。评估措施用于实时网络流量数据集中，以明显的准确性和可靠性来确认模型在识别僵尸网络活动方面的熟练程度。我们的工作介绍了一种方法来检测机器学习的方法，该方法提高了检测准确性，强调了所提出方法的功效。
网络攻击和公众舆论：...
抽象是在网络安全事件中 - 公众舆论问题。但是，选民如何在歧义笼罩的网络攻击后形成意见？人们如何解释网络空间固有的不确定性以在攻击后伪造偏好？本文试图通过引入不确定性阈值机制来回答这些问题，以预测公众在网络攻击后支持经济，外交或军事回应所需的归因确定性水平。使用与2,025名受访者的离散选择实验设计，我们发现较低的归因确定性与对报复的支持较少有关，但是这种机制取决于攻击者和党派身份的可疑身份。外交盟友拥有善意的储备，可以放大不确定性的影响，而竞争对手的疑问则不太频繁。我们证明，不确定性鼓励使用认知模式克服歧义，并且人们落在了对袭击背后的可疑国家的先前且政治指导的观点之上。如果通常将围绕网络攻击的歧义作为运营和战略性关注，则本文将注意力的重点转移到人类层面上，并将大众公众定位为在网络冲突中被遗忘但重要的政党。
敌对网络攻击的国际归因机制......
作者：Y Shany · 2020 · 被引用 11 次 — Hersch Lauterpacht 国际公法主席兼网络法主任。希伯来大学 Federmann 网络安全研究中心项目；...
咨询：俄罗斯 FSB 网络攻击者 Star Blizzard 继续在全球范围内进行鱼叉式网络钓鱼活动
英国国家网络安全中心（NCSC）、美国网络安全和基础设施安全局（CISA）、美国联邦调查局（FBI）、美国国家安全局（NSA）、美国网络国家任务部队（CNMF）、澳大利亚信号局的澳大利亚网络安全中心（ASD 的 ACSC）、加拿大网络安全中心（CCCS）以及新西兰国家网络安全中心（NCSC-NZ）评估认为，星暴雪几乎肯定隶属于俄罗斯联邦安全局（FSB）18 中心。
朝鲜网络攻击及政策应对
作者：J Hwang · 2021 · 被引用 5 次 — Erlendson (2013) 断言为朝鲜。韩国正在将其网络战略纳入整个军事和国家安全战略，朝鲜的网络战力量……
