From Reconnaissance to Response: Quantitative Risk Parameterization and Game Theoretic Containment in Modern Enterprise Attack
论文聚焦现代企业安全运营中心（SOC）面临的响应延迟问题：人工处置滞后使攻击者得以在杀伤链的早期侦察阶段持续推进。作者指出，经典博弈论防御模型虽然能优化防御资源的战略分配，但其效用矩阵是静态的，无法随实时遥测数据自适应调整。为此，论文提出一
#security-operations
共收录 6 条相关情报。
← 返回所有主题How It's Made: Uncovering Detection Engineering Processes for Network Intrusion Detection Rules
这篇论文聚焦一个长期被学术界忽视、却对安全运营中心（SOC）日常运转至关重要的环节：基于签名的网络入侵检测系统（如 Suricata）的检测规则工程。作者指出，尽管大量 SOC 依赖 Suricata 这类签名式 NIDS 进行流量侧告警，
Helping hands: Measuring the impact of a large threat intelligence sharing community.
该论文针对大型威胁情报共享社区的成效进行了大规模实证测量。研究背景是：安全社区长期假设威胁情报共享能显著提升成员的检测与防御能力，但缺乏对真实共享生态系统的量化证据。研究者选取了一个大规模、活跃的威胁情报共享社区作为观察对象，通过收集其长期
Can Risk-Based Alerting Mitigate Cybersecurity Alert Fatigue?
本文针对安全运营中心（SOC）面临的网络安全告警疲劳问题，首次系统性地评估了基于风险告警（Risk-Based Alerting, RBA）方法的有效性。SOC 日常需要处理海量告警，其中大量为误报，导致真实攻击在有限的人力资源下难以被及时
Cybersecurity Detection Classification with Reasoning-enabled Language Models
本文聚焦安全运营中心（SOC）中普遍存在的告警疲劳问题：每日产生的检测告警数量远超分析师可处理范围。以往研究通常直接提示或微调大语言模型（LLM）输出三分类标签（良性/恶意/待查），但未训练模型对检测是否构成真实威胁进行推理。作者提出一种基
OpenSOC-AI: Democratizing Security Operations with Parameter Efficient LLM Log Analysis
该论文提出了 OpenSOC-AI，一个轻量级的日志分析框架，旨在帮助中小型企业（SMBs）在没有完整安全运营中心（SOC）或企业级检测平台的情况下，利用大语言模型进行自动化威胁分析。框架基于参数量为 11 亿的 TinyLlama 模型，