本报告介绍了APT攻击行为的基本概念，展示了APT攻击行为表示的方法原理，并分别讲述了面向恶意流量数据场景下的攻击行为检测技术和面向开源威胁情报场景下的攻击行为提取方法，最后简要梳理了了解APT攻击行为表示的应用场景与发展前沿。
APT攻击行为表示-门元昊原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/05/19/apt%e6%94%bb%e5%87%bb%e8%a1%8c%e4%b8%ba%e8%a1%a8%e7%a4%ba/
跨语言命名实体识别
上一篇
2024年5月18日 下午9:20
深度学习模型后门攻击检测
下一篇
2024年5月20日 下午8:49
相关推荐
-
App个人隐私安全检测技术
本报告主要介绍了隐私数据类型，以及基本的隐私风险检测方法。第一篇论文侧重于分析APP整体的隐私数据泄露，并根据隐私泄露的风险程度给相应的App进行风险评级；第二篇侧重于研究APP中…
-
Agent or not？从程序自动修复评估智能体
本次报告在程序自动修复场景评估智能体，首先以OpenClaw为例引出Agent，阐释智能体与程序自动修复的内涵、背景及SWE-bench、ACI等基础；随后重点介绍SWE-agen…
-
联邦学习
联邦学习（Federated Learning）在2016年由谷歌最先提出，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或…
-
极端多标签文本分类
极端多标签文本分类旨在为每个文本分配大量可能的标签，处理标签数量巨大和数据稀疏性问题。该技术通过高效的特征选择、标签嵌入和深度学习模型，提高分类准确性和速度。极端多标签文本分类广泛…
-
联邦学习的后门攻击方法
联邦学习在保证数据安全和隐私的情况下解决了数据孤岛和数据碎片化问题，主要分为横向联邦学习、纵向联邦学习和联邦迁移学习。本次学术报告首先介绍联邦学习的历史现状、分类及应用场景，然后通…
-
基于深度学习的文本分类方法
在自然语言处理任务中，文本分类旨在将文本文档分类为给定的类别，是一项基础而重要的任务。近年来，深度神经模型由于其表现力和对特征工程的最低要求而在文本分类中越来越受欢迎。然而，将深度…
-
Web快速开发方法简介
本次报告先介绍了五种Web开发模式，讲解了各种开发模式的结构和优缺点，并结合实验室内部情况对合适的开发模式进行了推荐。之后简单介绍了Django、Flask、CherryPy这三个…
-
DQN深度强化学习算法
本次学术报告主要给大家详细的介绍DQN算法原理及其调参细节，并且进行举例说明和总结以加深大家的理解。
-
序列标注模型
背景知识 序列标注模型被广泛应用于文本处理相关领域，例如分词、词性标注、命名实体识别等方面。现有的序列标注模型主要有HMM，MEMM 以及 CRF，通过对这几种自然语言处理中常用的…
-
DNN模型水印及其鲁棒性评估
模型水印技术是一种利用特定信息认证保护模型知识产权的方法。本次报告分析了深度学习领域现有的模型水印嵌入方法，从性能鲁棒性和稳定鲁棒性两方面讲述模型水印鲁棒性评估方法，并以实例分析和…
