基於網格的對抗性聚類算法：一種在有限標籤數據下識別攻擊和防禦正常數據核心的方法
本文提出了一種名為 ADClust 的新型對抗性聚類算法，旨在解決在標記數據有限的情況下，如何有效地識別混合數據集群中的攻擊區域和正常區域的問題。
액티브 공격에 대한 방어: 라벨링된 데이터가 적은 경우의 클러스터링 알고리즘
본 논문에서는 라벨링된 데이터가 적은 상황에서 사이버 공격 데이터를 효과적으로 분류하기 위해 새로운 적대적 클러스터링 알고리즘(ADClust)을 제안합니다. 이 알고리즘은 기존 클러스터링 알고리즘이 공격에 취약하다는 점을 인지하고, 제한적인 라벨링 정보와 게임 이론적 접근 방식을 활용하여 공격 객체와 정상 객체가 혼합된 클러스터에서 안전 영역(정상 영역)을 식별하고 방어벽을 구축합니다.
敵対的クラスタリングのためのグリッドベースアルゴリズム
ラベル付けされたデータが少ないサイバーセキュリティの分野において、敵対的クラスタリングアルゴリズムは、攻撃オブジェクトと正常オブジェクトが混在する混合クラスタ内の、比較的純粋な正常領域と攻撃領域を識別し、防御壁を構築することで、効果的な防御戦略を提供する。
Adversarial Clustering for Cybersecurity Applications with Limited Labeled Data
This paper proposes a new adversarial clustering algorithm (ADClust) designed for cybersecurity applications to differentiate between normal and attack regions within clusters, especially when limited labeled data is available.
信頼できるIoT協調資産による電力網のレジリエンス強化
本稿では、ローカル電力市場（LEM）構造と、信頼性とコミットメントを監視するメカニズムを通じて、信頼できるIoT協調資産（ICA）を活用することで、サイバー攻撃に対する電力網のレジリエンスを向上させるフレームワークを提案しています。
利用大型語言模型輔助靜態惡意軟體分析的可行性研究
大型語言模型 (LLM) 能夠有效輔助靜態惡意軟體分析，提升分析效率，但仍需解決機密性、混淆程式碼干擾等問題，並整合至現有分析流程及工具中。
LLM을 활용한 정적 악성코드 분석 지원 가능성 연구
LLM은 정적 악성코드 분석 작업을 지원하는 데 유용한 정보를 제공할 수 있지만, 아직 완전히 기존 분석 흐름을 대체할 수는 없다.
LLMを用いた静的マルウェア解析支援の可能性に関する実現可能性調査
LLMを用いることで、従来人手に頼っていた静的マルウェア解析を効率化できる可能性がある。
Feasibility of Large Language Models for Supporting Static Malware Analysis: A Demonstration Experiment
Large language models (LLMs) show promise in supporting static malware analysis by generating accurate and informative explanations of malware functionality, potentially reducing the workload and expertise required for this task, although confidentiality concerns and integration challenges need to be addressed.
基於輕量級邊緣 CNN-Transformer 模型的合作式智慧農業協同網路與數位孿生攻擊檢測
本文旨在解決合作式智慧農業系統中網絡攻擊的威脅，特別是針對數位孿生技術，並提出了一種基於輕量級邊緣 CNN-Transformer 模型的網絡異常檢測方法，以提高系統安全性。
© 2024 by Linnk AI