Harbormaster: Evidence-Gated, Replay-Safe Maritime Anomaly Detection on AWS
该论文介绍 Harbormaster——一个在 AWS 上构建、面向生产形态的海事异常检测系统，解决的问题是：船舶通过 AIS（自动识别系统）广播位置，但这些报文可能是伪造的、也可能是缺失的，而运营人员在收到异常告警后，需要该告警是可归因（
#anomaly-detection
共收录 73 条相关情报。
← 返回所有主题Detecting False Data Injection and Unstable Operation in Smart Grid via System-Aware Graph Boundary Learning
该论文针对网络物理电力系统(智能电网)中两个长期被割裂处理的问题——稳定性预测与虚假数据注入(FDI)攻击检测——提出了统一的图学习框架 StarGNN。研究背景是:现代电网越来越多地依赖数据驱动工具来识别不稳定运行状态并支撑可靠调度,但真
Physics-Attested Federated Learning: Securing Collaborative Anomaly Detection in Critical Water Infrastructure
该论文针对工业控制系统（尤其是关键水务基础设施）中联邦学习入侵检测的一个根本性缺陷展开研究：现有防御机制几乎全部在"模型更新空间"内运作（如 Krum、FoolsGold、Trimmed-Mean 等聚合规则），聚合服务器只能看到客户端上传
Improving the Reliability of Anomaly Detection for Encrypted OPC UA Traffic over Private 5G
该论文研究工业现场中 OPC UA 协议经由私有 5G 网络承载时的异常检测可靠性问题。背景是：OPC UA 越来越多地部署在私有 5G 之上，端到端加密使得基于网络的入侵检测系统（IDS）无法对载荷做深度检查，因此只能依赖从加密流量中提取
Blockchain-Enabled Artificial Intelligence and AI Agents for Secure Data Sharing and Cybersecurity Applications
本文是一篇面向区块链与人工智能融合方向的元综合（meta-synthesis）论文，作者 Harsh Verma 将四项既有研究整合进统一的分析框架：对抗性机器学习（训练数据与模型行为的完整性）、云环境中的 AI 驱动异常检测（实时监控的可
SAGEGAN: Style-Based Anomaly Detection with Gaussian Embeddings using Generative Adversarial Networks
该论文提出 SAGEGAN，一个仅用良性样本训练的恶意软件异常检测框架，目标是绕开传统基于规则与特征签名的检测流水线在恶意软件快速演化时失效的问题。其核心思路是：把可移植可执行文件（PE）转换为紧凑的三通道图像表示，再通过“风格条件对抗重建
SFPF: Spatio-Frequency Polarization Fingerprint for Anomalous Wireless Device Detection
本文针对已部署无线设备的硬件完整性核验问题展开研究。定期巡检之所以必要，是因为未授权的硬件替换往往保留原有通信功能、凭证与逻辑身份，使设备在协议层面看起来完全正常，异常设备因此极难被发现。传统做法是在受控测量条件下采集射频指纹（RFF），比
Identifying Security Platform Product Abuse with Machine Learning
本文关注 SaaS 行业中日益增长但单次事件发生频率极低的『产品滥用』(product abuse) 问题。作者指出，高水平威胁行为者有两类滥用形态：一是在客户环境内部滥用厂商提供的安全平台能力（即把安全产品本身当作攻击工具），二是针对安全
Combining Exploratory Analysis and Automated Analysis for Anomaly Detection in Real-Time Data Streams
安全分析师在监控实时安全信息时常常面临信息过载，难以全面覆盖所有告警，容易遗漏重要事件及其之间的关联。根本问题在于分析师用于检测、探索和响应网络攻击的系统设计。本文针对这一挑战，研究探索性分析（可视化）与自动化分析的互补性。作者开发了一个原
Sybil-TraceGuard: Traceability-enhanced Sybil Guardian for Connected and Autonomous Vehicles Using Dynamic Semi-supervised GNN
该论文针对车联网与自动驾驶汽车（CAV）面临的 Sybil 攻击问题展开研究。CAV 依赖假名切换（pseudonym-switching）机制保护车辆隐私，而攻击者恰恰滥用这一机制，在交替使用多个假名身份的同时伪造基本安全消息（BSM），
Physics-Constrained Digital Twins for Sensor Integrity in Urban Pedestrian Flow: Detecting Stealthy False Data Injection with Conformal Guarantees
城市行人计数系统如今为经济指标、城市规划与公共安全运营提供数据支撑，但这些系统之上的数字孪生普遍把输入计数流当作真值处理。本文研究该假设不成立时的后果，首次为城市尺度的行人感知场景形式化定义「隐蔽式虚假数据注入」问题。与电力网络、供水网络相
Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection
基于溯源（provenance）的入侵检测系统（PIDS）通过分析进程、文件、网络等实体之间的系统交互关系来识别高级持续性威胁（APT）。现有方法大多将各类关系（relation，即图中边类型，如读/写文件、网络连接、进程派生等）一视同仁地
SENTINEL: A Multi-Pathway Architecture for Detecting Living-Off-the-Land APT Attacks on Windows Command Lines
该论文聚焦 Windows 环境下“离地攻击”（Living-Off-the-Land, LOTL）的检测难题。LOTL 已成为 APT 组织最主要的规避手法：攻击者不投放自研恶意软件，而是滥用系统自带的合法签名工具（PowerShell、
Few-Shot Learning for Network Intrusion Detection: Methods, Datasets, and Performance
本文是一篇针对少样本学习（Few-Shot Learning, FSL）在网络入侵检测（NIDS）中应用的系统性文献综述。研究背景在于：基于异常的 NIDS 是防御体系的第一道防线，但要让检测系统识别新型攻击，需要大量带标签的攻击样本，而现
DeFiFusion: Combining Transaction Events with Smart Contracts to Detect Price Manipulation Attacks
该论文研究的是去中心化金融（DeFi）中的价格操纵攻击（Price Manipulation Attacks, PMA）检测问题。背景上，DeFi 作为基于区块链的快速增长型金融服务，其市场交易动态与底层智能合约逻辑深度耦合；这种无需中心化
Topological Fraud Detection in Latent Transaction Spaces
该论文提出一种在隐式交易向量空间中进行欺诈检测的新方法，核心创新在于完全基于拓扑匿名化的嵌入表示开展检测，从而在不接触原始交易数据的前提下识别可疑行为。作者设计了一个两阶段流水线：第一阶段采用迭代的无监督过滤，对大规模交易候选集进行粗筛，降
Towards a Resilience-Theoretic Foundation for Adversarial Robustness in Industrial Control System Anomaly Detection
本文针对工业控制系统（ICS）和运营技术（OT）环境下基于异常的入侵检测系统（IDS）所面临的正式韧性要求展开研究。当前，这类系统被期望具备吸收对抗扰动、在持续攻击下优雅降级以及提供经认证的系统级保障能力。然而，现有的网络物理系统韧性框架通
Skynet: Workflow-Level Anomaly Detection for Agentic AI via Semantic and Structural Modeling
本文提出 Skynet，一个面向 Agentic AI 的工作流级异常检测框架。Agentic AI 系统通过长期多步骤工作流执行复杂任务，涉及规划、工具调用和多智能体协作。任务失败往往起源于单个步骤（如注入提示或错误计划），并通过下游依赖
SIDE: Sensor Impersonation Detection at the Edge via Sequence Prediction
本文提出了一种面向低成本物联网（IoT）传感器部署的轻量级传感器冒充检测方法，并命名为SIDE（Sensor Impersonation Detection at the Edge）。研究背景是许多低成本的IoT传感器缺乏设备级源认证，容易
X-WAD: eXplainable Web Anomaly Detection
本文提出 X-WAD（eXplainable Web Anomaly Detection），一个面向 HTTP 请求异常检测的可解释框架。研究背景是：随着 API 驱动架构普及，Web 服务承载大量敏感数据，自动化防御机制（尤其是基于正常流