DroidBreaker: Practical and Functional Problem-Space Attacks on Machine-Learning Android Malware Detectors
本文关注机器学习驱动的安卓恶意软件检测器在问题空间（problem space）中的对抗性攻击。现有攻击方法存在诸多不足：大多数技术通过软件移植注入完整良性模块，引入大量副作用特征，且常导致构建失败；细粒度方法仅注入少量组件，效果有限；使用
#machine-learning
共收录 116 条相关情报。
← 返回所有主题Can Machine Learning Break Wi-Fi Privacy? A Study on MAC Address Randomization
本论文研究MAC地址随机化在IEEE 802.11网络发现阶段作为被动追踪防范措施的有效性。尽管MAC地址随机化已被广泛采用，但作者通过机器学习指纹识别技术证明了设备仍可被识别，暴露了现有隐私协议的漏洞。研究评估了被动攻击者在不同窃听场景下
Certification of Machine Learning Models via Directional Sharpness
本文提出了一种新的机器学习模型认证度量——方向锐度（Directional Sharpness），旨在高效且可靠地指示模型的泛化能力。在模型认证中，泛化能力是关键质量指标，但直接认证泛化不可行，因为它依赖于未知数据且不可直接测量。传统代理指
Realtime Robust Malicious Traffic Detection via Frequency Domain Analysis.
这篇论文提出了Whisper，一种基于机器学习的实时恶意流量检测系统，通过频域分析实现高精度和高吞吐量。传统基于规则的检测难以应对零日攻击，而现有ML方法因特征提取效率低导致低精度和低吞吐量，且易被绕过。Whisper利用频域特征（如FFT
LAMD: Context-Driven Android Malware Detection and Classification with LLMs.
本文提出 LAMD（Context-Driven Android Malware Detection and Classification with LLMs），一个利用大语言模型（LLM）进行上下文驱动的安卓恶意软件检测与分类框架。针对现
A Hybrid, Multi-Layered Pipeline for Phishing and Threat Classification: Independently Validated URL and NLP Engines with a Calibrated Multi-Channel Fusion Stage
本文提出一种针对钓鱼攻击（多模态威胁）的混合多层级检测管道。该管道为每种模态独立构建引擎，最后进行融合决策。具体包括三个引擎：1）四阶段URL检测栈：包含域名守卫、词法模型、威胁情报以及一个非对称L2融合侧车；2）鲁棒性增强的DistilB
FlowLens: Enabling Efficient Flow Classification for ML-based Network Security Applications.
FlowLens 是一篇针对机器学习驱动的网络安全应用的高效流分类方法的研究论文。核心问题在于现有基于机器学习的网络流量分类方法通常需要完整流信息或大量特征计算，导致处理延迟高、资源消耗大，难以应用于高速网络环境。FlowLens 提出了一
Accelerating Trust Convergence in IIoT: A ML Approach for Dynamic Network Conditions
在工业物联网（IIoT）环境中，信任管理对于保障系统安全至关重要，尤其是面对资源受限的设备。传统信任模型往往忽略网络质量波动的影响，导致信任收敛缓慢且评估不准确。本文提出一种动态信任管理方案——信任收敛加速（TCA）方法，该方法集成机器学习
Differential Privacy of Gaussian Process Posterior Sampling
本文研究了在高斯过程（GP）后验采样中释放样本路径的隐私保护问题，其中整个训练集（包括协变量和响应）被视为私密信息。与传统差分隐私（DP）机制通过添加外部噪声不同，后验采样本身具有随机性。作者证明这种内在随机性能够提供差分隐私保证，具体通过
Robust and Automated Reconfiguration of Byzantine Wide-Area Replication
本文针对拜占庭容错状态机复制（BFT-SMR）系统中的配置优化问题展开研究。BFT-SMR是区块链等分布式系统中用于对客户端交易进行全局排序的服务，传统通过冗余机制抵御拜占庭节点，但性能开销大。近期研究通过动态配置优化（如根据网络延迟动态分
Categorical Robustness Assessment for Machine Learning based Network Intrusion Detection Systems
本文系统性评估了机器学习驱动的网络入侵检测系统（NIDS）在面对对抗性攻击时的鲁棒性。尽管已有研究揭示了ML模型在特定场景下的脆弱性，但缺乏跨架构、跨攻击类别和攻击类型的系统比较，导致安全从业人员在选择模型时缺乏明确指导。作者选取了三种主流
Evaluating and Combating the Impact of Concept Drift on the Performance of Machine Learning-Based Phishing Detection Systems
本文研究了概念漂移（Concept Drift）对基于机器学习的钓鱼检测系统性能的影响，并提出了缓解策略。随着数字通信的快速发展，电子邮件成为主要渠道之一，但也带来了垃圾邮件和钓鱼攻击的持续威胁。传统的机器学习检测模型在静态数据集上表现良好
The Sound of Malware: A Memory Forensics Approach for Android Malware Analysis via Audio Signals
Android恶意软件分析面临鲁棒分类和检测隐匿攻击的挑战。现代威胁采用代码混淆、动态加载、加壳甚至隐写技术来规避传统静态和动态特征检测，降低了基于签名的系统有效性，并削弱了依赖显式语义指标（如权限、API调用、控制流结构）的机器学习模型的
FDM: A Framework for Decision-making to build ML-based Malware detection systems
本文提出一个名为FDM（决策框架）的框架，用于构建基于机器学习的恶意软件检测系统。选择机器学习配置是一个多准则优化问题，需要考虑模型选择、特征工程、更新机制等多种因素，且不同部署场景的约束各异。FDM通过加权配置兼容性得分（WCCS）将五个
Beyond Phish: Toward Detecting Fraudulent e-Commerce Websites at Scale.
该论文聚焦于欺诈性电子商务网站（FCWs）的检测问题，这类网站包括虚假购物网站、虚假慈善机构和加密货币诈骗网站等，但现有安全生态系统（如反钓鱼系统）对FCWs关注不足，且缺乏大规模缓解系统和公开数据集。作者首先提出了一种通过众包自动收集FC
Explainable AI-Driven Cyber Risk Analytics and Model Reliability Assessment for Intelligent Governance of U.S. Critical Infrastructure: An XGBoost and SHAP-Based Intrusion Detection Framework
该论文针对美国关键基础设施领域日益增长的网络安全威胁，提出了一种基于可解释人工智能（XAI）的网络风险分析与模型可靠性评估框架。研究背景指出，随着能源、医疗、交通、金融和通信等关键基础设施广泛采用智能数字技术，其暴露于高级网络攻击（如DDo
Dimensionality Reduction for Cyberattack Classification: A Comparative Evaluation of PCA and Linear Predictive Coding
本文研究了网络攻击分类中特征降维技术的有效性，重点比较了主成分分析（PCA）和线性预测编码（LPC）两种方法。高维特征表示在基于机器学习的网络攻击检测系统中被广泛使用，但计算复杂度的增加限制了其在资源受限环境（如边缘设备、物联网节点）中的部
A-Live: Passive Liveness Detection via Neuromuscular Micro-Motion Signatures on Commodity Sensors
本文提出一种名为 A-Live 的被动式活体检测框架。研究背景：传统的活体检测主要用于防止生物特征认证中的展示和重放攻击，但随着生成式AI和自主AI代理的兴起，数字系统需要区分人类用户与非人类实体，活体检测成为基础安全原语。现有方法依赖显式
MimeLens: Position-Agnostic Content-Type Detection for Binary Fragments
该论文提出了一种名为 MimeLens 的新型内容类型检测方法，旨在解决现有方法（如 Google 的 Magika）在输入不完整、位置未知的二进制片段（例如单个网络包载荷、无文件头的文件碎片、随机磁盘块等）时失效的问题。MimeLens
A Hybrid Approach For Malware Classification Using Secondary Features Fusion
随着恶意软件（包括变种和新型）数量快速增长，恶意软件的检测与缓解成为一个复杂问题。传统的恶意软件检测方法虽然能识别恶意软件，但无法将其归类到具体的家族，这阻碍了后续的针对性和有效响应。针对这一挑战，本文提出了一种混合方法，用于自动化恶意软件