新框架利用语言模型和最优传输检测跨操作系统APT

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-10 04:00

研究人员开发了一个新颖的框架，可以在不同操作系统之间检测高级持续性威胁（APT），而无需目标系统的任何标记数据。该方法使用自然语言处理来描述进程行为，使用预训练的语言模型嵌入这些描述，然后应用最优传输方法来量化从源操作系统学到的正常行为的偏差。在多个APT场景和操作系统上的评估表明，与现有的仅源方法相比，检测准确性有所提高。 AI

影响这项研究为网络安全提供了一种新方法，可以提高跨不同系统的威胁检测能力。

排序理由该集群包含一篇详细介绍新异常检测方法的学术论文。[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 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Sidahmed Benabderrahmanea, Petko Valtchev, James Cheney, Talal Rahwan · 2026-06-10 04:00

A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport

arXiv:2606.10216v1 Announce Type: cross Abstract: Advanced Persistent Threats (APTs) are stealthy, multi-stage cyberattacks whose detection is difficult due to scarce labeled traces, severe class imbalance, and the challenge of generating realistic malicious behavior. These chall…

报道来源 [1]

A Source Domain is All You Need: Source-Only Cross-OS Transfer Learning for APT Anomaly Detection via Semantic Alignment and Optimal Transport

相关实体

相关话题