#deception

共收录 2 条相关安全情报。

← 返回所有主题
👥 作者: Veronica Valeros, Carlos Catania, Viliam Lisý, Harm Griffioen

该论文挑战了网络欺骗研究中一个常见的隐含假设:蜜罐等欺骗手段可以部署在攻击者可能到达的任何位置。作者基于MITRE ATT&CK v18.1框架,系统性地评估了所有250种攻击技术是否适合部署基础设施欺骗。他们提出了一套四准则评估体系:1) 防御者能否在攻击路径上放置可控的欺骗资产;2) 攻击者是否有可能与之交互;3) 这种交互能产生什么情报价值;4) 交互行为是否能可靠地指示恶意活动。应用该评估后,发现仅有80种技术(32%)支持部署攻击者可能触及的欺骗资产,其余170种技术由于攻击路径上不存在防御者可控的资产而无法进行欺骗。在这80种技术中,部署模式可分为两类:"Sweep"(扫荡式),即攻击者广泛扫描资产时遭遇欺骗;"Seek"(搜寻式),即攻击者寻找特定类型资产时找到伪造版本。研究还表明,欺骗资产通常具有情报潜力,但能否触发交互以及交互是否可靠指示恶意性存在差异。作者公开了评估体系、决策规则及逐技术评估结果,为未来欺骗研究和部署规划提供了可审计的基线,并明确指出基础设施欺骗不能适用于所有攻击行为。

💡 推荐理由: 该研究通过系统化方法揭示了欺骗部署的局限性,帮助安全团队避免在无效场景中投入资源,并指导优先部署高价值欺骗资产。

🎯 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 (+0.6)
👥 作者: Mohsen Minaei, S. Chandra Mouli, Mainack Mondal, Bruno Ribeiro 0001, Aniket Kate

在社交媒体平台上,用户常因过度分享不恰当的想法或个人隐私而后悔,并倾向于删除这些内容以弥补过失。然而,删除行为本身反而成为恶意攻击者追踪隐私信息的信号:攻击者通过大规模监控删除操作,能够识别出被删除内容可能对用户有害,从而侵犯用户隐私。现有的一些存档服务已经在扫描社交媒体获取删除的帖子,且研究表明强大的机器学习模型可以高效检测出具有危害性的删除。为抵御这种全球性攻击,本文提出了一种名为“欺骗性删除”(Deceptive Deletion)的诱饵机制。该机制通过注入虚假的删除操作,构建一个挑战者(平台/用户)与攻击者之间的两人零和博弈:攻击者试图从所有删除的帖子中分类出真正有害的内容,而挑战者则利用诱饵删除来掩盖真实的危害删除行为。作者形式化了这个博弈过程,推导出攻击者或挑战者分别获胜的条件,并讨论了中间过渡场景。通过在Twitter真实数据上模拟实验,验证了该机制的有效性:强大的全球攻击者可以被同样强大的挑战者击败,从而显著提升用户遗忘的权利。该工作为社交媒体隐私保护提供了新的思路。

💡 推荐理由: 该研究揭示了“删除即信号”这一隐私风险,并提出了一种可部署的对抗机制,帮助防御者理解并缓解因用户删除行为引发的隐私泄露问题。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)