将威胁情报与物联网扫描相结合以预测网络攻击

尽管网络空间已成为全球通信的平台，恶意行为者（包括黑客和行动派组织）常通过“暗网”——传统网络的隐蔽 counterpart——传播意识形态内容并协调活动。当前面临信息过载和网络威胁数据碎片化等挑战，导致对这些行为者进行全面描绘受限，从而限制了对其线上活动进行预测分析的效果。同时，联网设备的普及已超过全球人口，随着物联网（IoT）的扩展，这一差距预计会进一步扩大。技术社区正积极推进与物联网相关的研究，以应对其日益增长的社会融合。本文提出了一种新颖的预测威胁情报框架，旨在系统性地收集、分析和可视化暗网数据，以识别恶意网站并将其与潜在物联网漏洞进行关联。该方法整合了自动化数据采集、分析技术和可视化映射工具，同时检查物联网设备的漏洞以评估其可被利用性。通过填补网络安全研究之间的差距，本研究旨在增强预测威胁建模，为政策制定提供支持，从而为致力于缓解日益增长的数字生态系统中网络风险的情报研究项目作出贡献。