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
-
胶囊（向量神经）网络
胶囊(向量神经)网络是针对CNN的缺陷提出的一种新的方法，主要实现了两点改进：1.将CNN的输出结果由标量（scalar）替换成了向…
-
深度学习中的Normalization
Batch Normalization（BN）自从提出之后，因为效果特别好，很快被作为深度学习的标准工具应用在了各种场合。BN大法虽然好，但是也存在一些局限和问题，诸如当Batch…
-
人工智能模型的公平性测试
人工智能技术发展迅速，不仅在图像领域，在决策系统等领域也发挥了重要作用。用于模型训练的数据集中含有显示或者隐式的敏感属性（如性别、种族等），模型往往会利用敏感属性的特征做出决策，这…
-
安卓原生库和系统服务的漏洞挖掘
本学术报告围绕Android原生库的自动化模糊测试问题展开。内容涵盖：安卓原生库漏洞挖掘的主流方法；介绍了两种模糊测试算法的原理以及两篇工作的实验验证与局限性分析。报告旨在分享安卓…
-
AI幻觉陷阱与创造力
聚焦大模型生成中“幻觉”问题的原理、检测方法及其创造力价值。内容涵盖AI幻觉的定义与分类、典型案例、LLM-Check与Verify-and-Edit两种前沿算法的原理与实验评估，…
-
数据集不平衡评估方法
本报告围绕“数据集不平衡程度评估”展开，聚焦于如何科学量化多类数据中的结构性不平衡问题，突破传统以样本比例为核心的评估局限。报告系统回顾了不平衡评估的发展脉络，分析了现有方法在面对…
-
协同训练
协同训练是一种多视角学习方法，当数据充分时，在具有这种特征的数据集的任何一个视图上均可以利用一定的机器学习算法训练出一个强分类器。但…
-
基于输入输出扰动的模型窃取防御方法
模型窃取防御技术能够促进深度神经网络的健康发展，推动数据交流与共享。本次报告从输入输出扰动的角度分析了模型窃取防御方法的框架，从数学角度给出了防御的基本原理以及优缺点，利用防御方法…
-
不完全多视图聚类技术
不完全多视图聚类技术旨在处理多视图数据中部分视图缺失的问题，确保在数据不完整的情况下仍能进行有效的聚类分析。通过整合各视图的信息，该技术能够弥合视图之间的差异，提升聚类性能。其应用…
-
源代码补丁正确性测试
源代码补丁正确性测试是自动程序修复（Automated Program Repair, APR）流程的最后一个环节，旨在验证APR所生成的补丁是否真正解决了目标缺陷且未引入新的问题…
