针对受控信息的基于机器学习的网络攻击：综述
密码学与安全
2021-11-16 v2 机器学习
摘要
针对受控信息的窃取攻击，连同日益增多的信息泄露事件，已成为近年来新兴的网络安全威胁。由于先进分析方案的蓬勃发展与部署，新型窃取攻击利用机器学习(ML)算法实现高成功率并造成大量损害。检测和防御此类攻击具有挑战性且十分紧迫，政府、组织和个人应高度重视基于 ML 的窃取攻击。本综述介绍了这类新型攻击及相应对策的最新进展。基于 ML 的窃取攻击从三类目标受控信息的角度进行回顾，包括受控用户活动、受控 ML 模型相关信息和受控认证信息。我们总结近期文献以归纳一个总体攻击方法论，并推导出基于 ML 的窃取攻击的局限性与未来方向。此外，从检测、阻断和隔离三个方面提出对策以构建有效防护。
引用
@article{arxiv.2102.07969,
title = {Machine Learning Based Cyber Attacks Targeting on Controlled Information: A Survey},
author = {Yuantian Miao and Chao Chen and Lei Pan and Qing-Long Han and Jun Zhang and Yang Xiang},
journal= {arXiv preprint arXiv:2102.07969},
year = {2021}
}
备注
Published in ACM Computing Surveys