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
#systematic-review
共收录 6 条相关情报。
← 返回所有主题eBPF-Based Cybersecurity Mechanisms: A Systematic Literature Review
本文是一篇关于基于eBPF（扩展伯克利数据包过滤器）的网络安全机制的系统性文献综述。eBPF作为现代操作系统内核级框架，能够实现动态安全强制，其安全潜力受到广泛关注，但现有研究分散在不同领域、评估方法和部署场景中。作者采用PRISMA方法，
On Understanding, Identifying, and Mitigating Vulnerabilities in Agentic Large Language Models
该论文对智能体大语言模型（Agentic LLM）的安全脆弱性进行了系统性综述研究。随着大语言模型从无状态对话接口演变为具备多步规划、工具调用、代码执行和持久记忆的自主智能体，其在实际系统中获得API调用、文件修改和数据库查询等真实权限时，
AI in Cyberpsychology: A systematic literature review of Cybersecurity enhancement by using AI for analyzing psychology of Victims, Attackers, and Defenders
本文是一篇系统文献综述，旨在梳理人工智能（AI）在网络心理学（Cyberpsychology, CPSY）领域中的应用研究。网络心理学被定义为利用心理学原理增强网络安全应用。随着2010年代初以来AI技术的快速发展，AI与CPSY的融合日益
Human Vulnerability Assessment in Cybersecurity: A Systematic Literature Review of Methods, Models, and Instruments
本文是一篇关于网络安全中人类脆弱性评估（HVA）的系统性文献综述（SLR），旨在全面梳理该领域的方法、模型和工具。研究背景指出，传统的脆弱性评估主要关注数字资产和技术基础设施，但网络攻击者越来越多地利用人为因素，因此有必要系统性地评估人类脆
Refusal Evaluation in Coding LLMs and Code Agents: A Systematic Review of Thirteen Malicious-Code Prompt Corpora (2023-2025)
本文是一篇系统综述，聚焦于2023年至2025年间公开的13个用于评估大型语言模型（LLM）在恶意代码任务中拒绝能力的提示语料库。这些语料库包括AdvBench、CyberSecEval系列、RMCBench、RedCode、MCGMark