XiaoMi-AI文件搜索系统
World File Search System网络攻击
人工智能网络攻击检测系统可提高电子健康领域的威胁反应
安全在医疗保健领域发挥着重要作用。防止对医疗保健基础设施的网络攻击已不再是微不足道的事情。任何电子医疗系统的安全性受损都可能对患者的健康造成严重损害。特别是在远程护理环境中，保护患者的远程监控系统至关重要，以确保他们遵循临床路径而不受任何外部入侵。人工智能 (AI) 在打击针对患者远程监控系统安全的网络攻击方面发挥着重要作用 [1、2、3]。监控和防止医疗保健网络攻击的系统不仅必须检测到攻击，还应该能够正确理解并向用户报告攻击。特别是，异常检测系统是一种著名的方法，它基于机器学习 (ML) 或深度学习 (DL) 方法对正常活动进行建模，以便以数据驱动的方式轻松检测到与标准的异常偏差。因此，在这样一个涉及多位医疗专业人士的敏感领域，除了检测威胁之外，通过适当的可解释性算法来表示和解释威胁也至关重要 [ 4 ]。此外，当前的检测模型和规则还不够成熟，无法识别尚未造成任何损害的早期入侵。入侵分析师利用先验知识推断事件背景，以发现事件
了解网络攻击和可用的网络安全...
简介由于消费者在公用事业网络和电表后部署了新技术，电网正在经历快速转型。其中许多技术产生和传输大量数据，并通过基于网络的通信越来越多地连接到电网运营中心。电网和客户设备之间日益增长的连接增加了网络安全漏洞，并通过扩大可以发起恶意网络攻击的潜在切入点数量扩大了威胁格局。2019 年对公用事业安全专业人员的调查显示，对公用事业系统的攻击频率和效力正在增加，其中 56% 的人在过去一年中至少经历过一次攻击，导致数据丢失或中断。1
网络攻击模式的协同进化建模和......
作者：M Shlapentokh-Rothman · 2021 · 被引用 14 次 — 简化识别的名称、协同进化算法变体、网络安全环境、竞争、攻击和防御行为、模型...
人工智能技术可防止对智能设备进行网络攻击
能源是社会维持生活水平和正常运转的主要要素之一。因此，能源分配既是最重要的基础设施之一，也是攻击的目标。许多其他关键基础设施都依赖能源来可靠地工作。一些国家特别有兴趣秘密获取并控制其他国家的能源生产和分配。这样，他们可以造成巨大的破坏，并在发生冲突时获得显著优势。在最近的过去，我们可以观察到这一事实的一些现实证明。在能源基础设施管理中引入智能电网和 ICT 具有巨大的好处，但也为攻击者带来了新的攻击面和获取控制权的方法。作为一种好处，我们还可以收集更多数据和指标，以更好地了解电网的状态。基于人工智能和机器学习的新技术可以利用可用数据来帮助保护基础设施并检测持续的威胁。智能电表是连接智能设备的智能设备，遍布电网和人口的地理分布。因此，它们可能是非常有用的数据收集资产，但也是攻击的目标。在本文中，作者考虑并分析了可用于增强智能电网安全性和可靠性的各种创新技术。
国家如何应对非国家网络攻击者
2020 年 6 月 29 日——国际网络安全问题。3 Tim Maurer，网络雇佣兵，第 3-8 页... Schmitt，《为网络空间的尽职调查辩护》，《耶鲁法律杂志》...
发现并缓解最复杂的网络攻击
Juniper ATP Cloud 及其与 Carbon Black Cb Response 的集成提供了基于云的恶意软件防御服务，可有效保护企业免受最具破坏性、难以检测的攻击，以及检测和阻止来自受感染主机的横向威胁传播。这种级别的保护至关重要；防火墙、防病毒软件和其他传统安全解决方案根本无法抵御犯罪分子使用的未知和超规避攻击。联合解决方案汇集了先进的检测、分析和缓解技术，提供真正先进的方法来防止这些漏洞，从而保护网络免受边缘和访问层已知受感染主机的攻击。
网络攻击的风险_核电站的 DICS - cissm | umd
摘要 针对核电站 (NPP) 的数字仪表和控制 (DI&C) 系统的网络攻击是一个严重的安全隐患。美国核管理委员会 (NRC) 要求所有核电站保护支持安全、安保和应急准备功能的关键数字资产，防止遭受网络攻击。1 国际自动化学会 (ISA) 和国际电工委员会 (IEC) 等其他标准机构也制定了针对包括 DI&C 在内的工业控制系统 (ICS) 网络安全的标准。2 出于对安全的担忧，监管机构、工厂运营商、信息技术 (IT) 和运营技术 (OT) 人员以及设备供应商等相关利益相关者有时不愿透露 DI&C 系统漏洞的技术细节。然而，由于某些类型的针对核电站的网络攻击可能会导致堆芯损坏或大量放射性物质释放，从而危害工厂、公众和行业，因此应评估潜在网络攻击的安全影响。安全与安保之间的这种鸿沟对专注于核电站网络安全的利益相关者来说是一个挑战。为了弥合这种安全与安保之间的鸿沟，本研究提出并展示了一种评估和解决破坏核电站 DI&C 系统一个或多个部分的网络事件的安全后果的方法。该方法以马里兰国际与安全研究中心 (CISSM) 开发的“以效果为中心”的网络风险评估框架为基础。它用于分析两次历史网络攻击和一个假设的攻击场景。由于重点是工厂安全，因此可以坦诚公开地讨论这些评估、评价和分析，以找到阻止特定网络攻击的最佳防御措施。