Научные статьи по кибербезопасности

Выберите предмет защиты

• intrusion detection — обнаружение подозрительных действий в сети или системе.
• access control — правила предоставления доступа к данным и функциям.
• privacy preserving machine learning — обучение моделей с учётом приватности данных.
• differential privacy — формальный подход к ограничению раскрытия сведений об отдельных участниках данных.

Составьте условие для научного поиска

В arXiv используется рубрика cs.CR — криптография и безопасность. Для методов обнаружения на основе обучения полезен также cs.LG, но добавление защитной задачи делает запрос точнее.

Первый пример для «Сложного запроса» посвящён обнаружению вторжений, второй — защите приватности при машинном обучении.

(cat:cs.CR AND all:"intrusion detection")
(all:"differential privacy" AND all:"machine learning")

Что должно быть понятно из статьи

Найдите модель угроз: какие возможности предполагаются у нарушителя и какие данные должны оставаться защищёнными. Для метода обнаружения посмотрите, сколько полезных сигналов и ложных тревог получается на используемых данных. Для приватности найдите точное определение гарантии и цену по качеству результата.

Уточните, на каких открытых данных или разрешённой экспериментальной среде проверен метод. Для общей картины задач защиты можно начать с материалов NIST Cybersecurity Framework, а затем искать отдельные исследования по выбранной функции.

Как получать новые защитные исследования

Откройте «Добавить тему» → arXiv → «Раздел arXiv» и отправьте cs.CR. Бот ответит «Добавлено». Более узкий вариант: «Ключевая фраза» → access control или differential privacy. В «Последних работах» выберите подписку и проверьте, соответствует ли список вашему объекту защиты.

Английские термины для поиска

threat model

описание возможностей нарушителя и защищаемых данных

access control

контроль доступа

false positive

ложное срабатывание защитного метода

Частые вопросы