PulseAugur
实时 09:51:06
English(EN) PHASE: Passive Human Activity Simulation Evaluation

新的机器学习框架PHASE评估网络安全模拟中人类行为的真实性

研究人员开发了PHASE,一个机器学习框架,旨在评估网络安全模拟环境中人类行为的真实性。该被动系统分析Zeek连接日志,以超过90%的准确率区分人类活动和非人类活动。通过利用本地DNS记录进行标记和SHAP分析来识别行为特征,PHASE可以揭示破坏合成用户角色真实性的模式,从而改进以创建更有效的模拟。 AI

影响 通过改善合成用户行为,增强网络安全培训和测试环境的真实性。

排序理由 该集群包含一篇详细介绍新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的机器学习框架PHASE评估网络安全模拟中人类行为的真实性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Steven Lamp, Jason D. Hiser, Anh Nguyen-Tuong, Jack W. Davidson ·

    PHASE:被动式人类活动模拟评估

    arXiv:2507.13505v2 Announce Type: replace-cross Abstract: Cybersecurity simulation environments, such as cyber ranges, honeypots, and sandboxes, require realistic human behavior to be effective, yet no quantitative method exists to assess the behavioral fidelity of synthetic user…