A Framework to Quantify the Probability of Future Cyber Loss Events
网络安全的量化风险管理长期受困于两个现实难题: 一是企业内部可用于建模的运营数据稀缺、口径不一; 二是核心变量“损失事件频率”(Loss Event Frequency, LEF)本身难以直接测量和量化, 导致大多数风险评估退化为专家打分而
#xgboost
共收录 3 条相关情报。
← 返回所有主题Robust Industrial Cyber Physical Classification Using Neuromorphic Temporal Embeddings and Hybrid SNN XGBoost Under Machine Unlearning Attacks
该论文关注电力配电网数字化带来的安全后果：工控与关键基础设施侧的网络暴露面扩大，而现有入侵检测系统（IDS）多依赖计算开销大的深度学习模型，难以在边缘侧部署；同时，为适应数据分布漂移而进行的周期性重训练，又使模型暴露于「机器遗忘攻击」（ma
Performance analysis of Machine learning algorithms for predicting malware
该论文针对传统基于签名的防病毒软件难以检测新型恶意软件的问题，提出了一种基于机器学习（ML）的恶意软件检测框架。研究选取了基准恶意软件数据集，对多种主流的分类算法——包括人工神经网络（ANN）、支持向量机（SVM）、XGBoost和Extr