#SOC

共收录 3 条相关安全情报。

← 返回所有主题
👥 作者: Stephen V Flowerday, Nikolay Lipskiy, Steven Furnell, Callum E Flowerday, John Hale

该论文将勒索软件事件重新定义为“暴发”而非单纯的检测问题,并提出一个运营网络流行病学框架,以流行病学方法改进事件响应。核心思想是将经典的易感-暴露-感染-移除(SEIR)模型适配到勒索软件事件管理中:其中“暴露”指潜在入侵与暂存阶段,包含在确认二次失陷前的驻留期;“感染”指活跃的横向传播。论文基于ISO 5477:2023(公共卫生应急准备与响应信息管理指南)以及2025年UNDRR-ISC灾害信息概况,定义了可互操作的勒索软件病例定义和跨事件比较所需的基本信息要素。同时,引入基本繁殖数R0和有效繁殖数Re作为安全运营中心近实时、方向性的决策辅助指标,并将传播状态与观察状态分离,以避免将检测能力与扩散动态相混淆。通过对WannaCry、NotPetya、SolarWinds、MGM和Caesars等公开事件的分析,展示了此类暴发式措施如何支持早期隔离、凭据遏制和恢复排序。论文还推导了实际保护阈值启发式方法,目标是将Re降至1以下,并提供一张与工具无关的剧本卡,将运营信息与明确的行动触发条件相关联。主要贡献在于建立了一种共享语言,将技术遥测与资源约束下的遏制决策联系起来,使不同组织的安全团队能够基于统一术语进行协同响应。

💡 推荐理由: 为勒索软件响应提供流行病学视角,帮助SOC在信息不完整时用标准化指标(Re)辅助决策,增强跨事件学习与协调能力。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: George Fatouros, Georgios Makridis, George Kousiouris, John Soldatos, Dimosthenis Kyriazis

这篇论文针对受监管的网络安全运维场景,指出现有的大语言模型(LLM)代理系统虽然在孤立的网络安全任务上表现良好,但缺乏一个能够跨检索、工具调用、记忆、发现、报告和审计强制执行组织级范围、同时保持模型无关且可本地部署的运行时平台。特别是在安全运营中心(SOC)和合规工作流中,单个分析师可能触发绑定整个组织的操作,运行时必须与现有SIEM/XDR堆栈集成,作为上下文和告警驱动触发器的主要来源,而不是作为独立的分析层。为此,论文提出了一种面向金融网络安全领域的组织级LLM代理运行时架构。核心贡献是一种类型化的安全上下文(Security Context),它在每个入口点创建,包括将SIEM/XDR通知作为一等触发器接入,并在每个组件边界强制执行。架构结合了共享运行时核心、逻辑专业子代理、受治理的工具适配层(Tool Adapter Layer),该层在统一策略和审计下暴露SIEM/XDR查询、富化和响应原语,同时包含结构化发现与证据引用、分层人工参与(HITL)门控以及仅追加审计。论文将模型上下文协议(MCP)、扩展遥测、数字孪生用于渗透测试、图检索和联邦知识共享视为可选扩展路径,而非强制运行时假设。作者描述了一个可实现的子集作为架构的可测试性表面,并提出了一个可证伪的评估计划,包含度量级通过标准,用于评估架构就绪性、安全策略执行、证据可追溯性、输出质量和运维可观测性。该论文适合SOC架构师、安全平台开发者、合规技术负责人以及研究LLM在受监管环境中应用的学者阅读。

💡 推荐理由: 该架构填补了LLM代理在受监管网络安全运维中缺乏组织级范围控制和审计能力的空白,为将AI代理安全集成到金融等合规要求严格的SOC工作流提供了可落地的设计蓝图,有助于提升自动化效率同时满足监管审计要求。

🎯 建议动作: 研究跟进

排序因子: 影响边界/网络设备 (+5) | 来自 arXiv 其他板块 (+2) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Samuel Ndichu, Tao Ban, Seiichi Ozawa, Takeshi Takahashi, Daisuke Inoue

安全运营中心(SOC)面临持续的警报疲劳问题:在低患病率的事件流中,即使很低的误报率也会产生大量的调查负担,而聚合的F1分数往往掩盖了分析人员的实际工作负荷。本文提出PACT(Pareto-aware Controller for Triggered Active Learning),一种用于触发式主动学习的帕累托感知控制器。PACT包裹一个已经部署的冻结XGBoost-Focal筛查器,增加了一个自适应窗口分数偏移触发机制和一个混合采集规则,结合了阈值相对不确定性和高分数采样。在两个公开的低患病率基准数据集AIT-ADS和BOTSv1上,PACT在自适应方法中实现了最低的良性归一化误报负担。与冻结基线相比,PACT分别降低了43%和21%的负担,同时相比周期性均匀随机更新,减少了3.8倍和5.2倍的分析师查询次数。配对触发消融实验控制了触发时机,表明采集机制带来的收益超过了单纯的时机控制,但在自由运行触发下以约10个百分点的正窗口召回率为代价。仅使用冻结阈值的基线虽然进一步降低了误报,但导致BOTSv1的召回率下降了55个百分点。在所评估的工作负载假设下,纯粹的误报最小化以不可接受的召回率换取了较低的负担。

💡 推荐理由: 针对SOC长期存在的警报疲劳问题,提出了一种结合主动学习与自适应触发的高效方法,显著降低误报负担同时减少分析师查询次数,具有实际部署价值。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)