揭示零空间检测：面向高速环境的自主勒索软件识别新框架
密码学与安全
2025-08-11 v2 人工智能
摘要
现代网络安全环境日益需求能够以精准和适应性识别新兴威胁的复杂检测框架。提出的零空间检测框架引入了一种新方法，通过无监督聚类和先进的深度学习技术动态识别潜在行为模式。旨在解决签名依赖方法和启发式方法的局限性，该框架在高速环境中通过集成多阶段过滤和集成学习实现精细化决策。实验评估显示，其在包括 LockBit、Conti、REvil 和 BlackMatter 在内的多样化勒索软件家族中均实现高检测率，同时保持低误报率和可扩展性能。计算开销最小，平均处理时间确保即使在峰值运行负载下也能与实时系统兼容。该框架对抗混淆和加密速度可变性等对抗策略具有韧性，这些策略常常挑战传统检测系统。跨多个数据源的分析凸显了其在处理多样文件类型和操作环境方面的通用性。综合指标，包括检测概率、延迟和资源效率，均在真实世界条件下验证了其有效性。通过模块化架构，该框架在无需大规格重新配置的情况下实现了与现有网络安全基础设施的无缝集成。结果表明其具有稳健性和可扩展性，为动态且资源受限环境中的勒索软件识别提供了一种变革性范式。
引用
@article{arxiv.2501.12811,
title = {Unveiling Zero-Space Detection: A Novel Framework for Autonomous Ransomware Identification in High-Velocity Environments},
author = {Lafedi Svet and Arthur Brightwell and Augustus Wildflower and Cecily Marshwood},
journal= {arXiv preprint arXiv:2501.12811},
year = {2025}
}
备注
arXiv admin note: This paper has been withdrawn by arXiv due to disputed and unverifiable authorship