HoneyGAN 蜜罐：一种用于生成蜜罐的深度学习方法
密码学与安全
2024-07-11 v1
摘要
本文研究了在网络防御领域采用生成对抗网络（GANs）生成诱饵配置的可行性和有效性。过去对蜜罐的利用进行了广泛的研究；然而，为给定的网络场景选择适当的诱饵配置（并随后检索/生成它们）仍然是一个开放性挑战。现有方法通常依赖于维护配置列表或存储预配置镜像的集合，缺乏适应性和效率。在这项开创性研究中，我们提出了一种利用 GANs 学习能力来解决这些挑战的新方法。据我们所知，以前没有尝试专门利用 GANs 来生成诱饵配置。我们的研究旨在填补这一空白，并为网络防御者提供一个强大的工具来加强他们的网络防御。
引用
@article{arxiv.2407.07292,
title = {HoneyGAN Pots: A Deep Learning Approach for Generating Honeypots},
author = {Ryan Gabrys and Daniel Silva and Mark Bilinski},
journal= {arXiv preprint arXiv:2407.07292},
year = {2024}
}
备注
Presented at the 2nd International Workshop on Adaptive Cyber Defense, 2023 (arXiv:2308.09520)