Themis: Ambiguity-Aware Network Intrusion Detection based on Symbolic Model Comparison.
网络入侵检测系统（NIDS）常因实现层面的差异而被绕过：攻击者精心构造的数据包在NIDS和最终主机上的处理方式不同，导致NIDS无法检测。这些差异源于大量端主机实现及其演化，NIDS通常采用简化实现来近似和泛化，但这种方式存在根本缺陷，因为
#network-security
共收录 84 条相关情报。
← 返回所有主题HOWLR: A Client-Driven Approach to BGP Hijack Detection
BGP劫持允许攻击者在前缀级别劫持流量，并冒充目标服务向客户端提供恶意内容。传统上，检测此类攻击依赖于网络运营商，导致终端用户在数小时内暴露于风险之中。本文提出了一种客户端驱动的BGP劫持检测方法HOWLR，其核心洞察在于：BGP劫持虽然能
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
A Scalable and Dynamic ACL System for In-Network Defense.
本文提出了一种名为PortCatcher的交换机内ACL系统，旨在解决基于TCAM的ACL在高速度网络中面临的可扩展性问题。随着AI驱动自主防御的兴起，网络攻击检测和阻断需要更细粒度的ACL规则，导致TCAM需求激增。现有方案通过将部分AC
LLM: LSTM Look-Ahead Moving Target Defense Based on Historical Malicious Scan
该论文提出了一种基于长短期记忆网络（LSTM）的主动防御策略——LSTM Look-ahead Moving Target Defense (LLM)，旨在解决传统IP地址动态变换（IP shuffling）在移动目标防御（MTD）中存在的
DPI Solutions in Practice: Benchmark and Comparison.
本文对四种主流开源深度包检测（DPI）解决方案——nDPI、Libprotoident、Tstat和Zeek——进行了全面的基准测试与比较。研究背景在于，DPI对于网络流量协议识别至关重要，广泛用于网络监控与安全应用。然而，由于缺乏统一的标
NetVAD: Foundation-Model Representation Learning for Identifier-Free Unsupervised Intrusion Detection
该论文提出 NetVAD，一种基于网络基础模型（Network Foundation Model）的无监督入侵检测方法，旨在解决现有无监督模型性能远低于监督分类器的问题。NetVAD 采用严格无标识符（identifier-free）的变分
GETA: Generalized Encrypted Traffic Analysis
论文《GETA: Generalized Encrypted Traffic Analysis》针对传统流量分析在加密和隐私保护协议普及下面临的挑战。当前方法多依赖协议特定的头部特征（如端口号、协议类型）或深度包检测（DPI），但加密使载荷
A Protocol-Language Model for Network Intrusion (Without Deep Packet Inspection)
该论文提出了一种名为PLM-NIDS的协议语言模型网络入侵检测系统，其核心思想是将网络流视为一种语言，其语法完全由L3/L4数据包元数据（长度、到达间隔时间、TTL、TCP标志和哈希端口号）构成，从而避免了对加密载荷的深度包检测（DPI）。
Securing High-Performance Data Transfers: Implementing AES Encryption in RDMA Systems
该论文针对远程直接内存访问（RDMA）在高性能系统中的安全缺陷展开研究。RDMA通过绕过CPU实现机器间的直接内存传输，显著降低了延迟和CPU开销，但同时也绕过了传统的CPU中介安全机制，在不可信环境中引入了严重漏洞。为此，作者提出将AES
UNAD+: An Explainable Hybrid Framework for Unknown Network Attack Detection
未知网络攻击（尤其是零日攻击）检测是入侵检测系统的重大挑战。监督学习方法对已知攻击类效果好，但无法处理训练数据中未出现的新攻击类型；无监督方法虽能检测未知攻击，但误报率高，限制了实际应用。本文提出UNAD+框架，是对原有UNAD的改进。UN
CCLab: Adversarial Testing of Learning- and Non-Learning-Based Congestion Controllers
拥塞控制器（CC）对网络性能至关重要，但其在恶劣条件下的鲁棒性尚未得到充分理解。近年来，基于学习的CC在受控环境中表现强劲，但它们在输入信号被破坏或环境条件系统性地变得具有挑战性时，与传统CC相比表现如何仍不清楚。本文提出CCLab，一个用
Detecting Data Exfiltration through I2P Anonymity Networks: A Two-Phase Machine Learning Approach
本文针对I2P匿名网络可能被恶意攻击者用于数据外泄的问题，提出了一种两阶段机器学习检测方法。I2P通过大蒜路由和分布式网络架构提供强匿名性，但这也使得企业网络中的恶意数据传输难以被传统安全措施发现。现有研究主要关注协议级流量识别，缺乏行为威
V-Range: Enabling Secure Ranging in 5G Wireless Networks.
本文提出了V-Range，这是首个完全兼容5G标准的安全测距系统。研究背景在于，5G网络为资产跟踪、智能生态系统、自动驾驶等安全关键应用提供了位置信息，但现有3GPP和研究提案均未解决5G安全位置估计的挑战，且已有多种针对定位和测距系统的攻
DRIFT: Drift-Resilient Invariant-Feature Transformer for DGA Detection
论文提出了一种名为 DRIFT（Drift-Resilient Invariant-Feature Transformer）的框架，用于解决基于深度学习的域名生成算法（DGA）检测器在面对时间漂移时性能严重下降的问题。作者通过一项为期9年（
Chimera: Fuzzing P4 Network Infrastructure for Multi-Plane Bug Detection and Vulnerability Discovery.
本文提出Chimera，一个针对P4可编程网络基础设施的模糊测试工具，旨在检测跨控制平面和数据平面的多平面漏洞。传统P4安全研究主要关注数据平面，忽略了与控制平面的交互。作者通过分析开源P4实现中的历史漏洞报告，发现许多漏洞源于两个平面之间
Entente: Cross-silo Intrusion Detection on Network Log Graphs with Federated Learning.
该论文提出了一种基于图的网络入侵检测系统（GNIDS）与联邦学习（FL）相结合的方法 Entente，旨在解决传统 GNIDS 在分布式数据收集场景下因隐私法规和运营限制而难以实现集中式数据的问题。现有 GNIDS 主要假设数据集中存储，但
Aliens Among Us: Observing Private or Reserved IPs on the Public Internet.
该论文研究在公共互联网上观察到私有或保留IP地址（如RFC 1918地址）的现象。作者通过大规模网络扫描和被动监测，发现大量私有IP地址在公网中可见并被路由，这可能是由于设备配置错误、NAT穿透技术或恶意活动导致。论文提出了一个分类框架，将
PathProb: Probabilistic Inference and Path Scoring for Enhanced and Flexible BGP Route Leak Detection.
BGP路由泄露（Route Leak）是互联网路由中常见且严重的安全问题，通常源于AS（自治系统）之间的错误路由通告，可能导致流量劫持、数据泄露或网络中断。现有检测方法多依赖固定规则或启发式策略，难以应对复杂多变的网络拓扑与业务关系。本文提
OSAVRoute: Advancing Outbound Source Address Validation Deployment Detection with Non-Cooperative Measurement.
该论文提出了一种名为OSAVRoute的新型非协作测量方法，用于检测网络中的出站源地址验证（Outbound Source Address Validation, OSAV）部署情况。OSAV是一种重要的网络安全机制，旨在防止源地址伪造攻击