网络安全机器学习资源精选
精心策划的与网络安全机器学习应用相关的超棒工具和资源列表。
目录
↑ 贡献
如果您希望添加工具或资源,请阅读贡献指南。
↑ 数据集
- HIKARI-2021 数据集
- 安全相关数据样本
- DARPA 入侵检测数据集 [ 1998 / 1999 ]
- Stratosphere IPS 数据集
- 开放数据集
- 国家安全局数据捕获
- ADFA 入侵检测数据集
- NSL-KDD 数据集
- 恶意 URL 数据集
- 多源网络安全事件
- KDD Cup 1999 数据
- Web 攻击载荷
- WAF 恶意查询数据集
- 恶意软件训练数据集
- Aktaion 数据集
- DeepEnd Research 的 CRIME 数据库
- 公开可用的 PCAP 文件
- 2007 TREC 公共垃圾邮件语料库
- Drebin Android 恶意软件数据集
- 钓鱼语料库数据集
- EMBER
- Vizsec 研究
- SHERLOCK
- 探测/端口扫描数据集
- 爱琴海无线入侵数据集 (AWID)
- BODMAS PE 恶意软件数据集
↑ 论文
- 基于真实和加密合成攻击流量生成网络入侵检测数据集
- 快速、精简、准确:使用神经网络建模密码可猜测性
- 封闭世界之外:在网络入侵检测中使用机器学习
- 基于异常载荷的网络入侵检测
- 使用元数据和结构特征检测恶意PDF
- 对抗性支持向量机学习
- 利用机器学习破坏你的垃圾邮件过滤器
- CAMP - 内容无关的恶意软件防护
- Notos - 构建动态DNS声誉系统
- Kopis - 在上层DNS层次结构检测恶意域名
- Pleiades - 从丢弃流量到僵尸网络 - 检测基于DGA的恶意软件的兴起
- EXPOSURE - 使用被动DNS分析发现恶意域名
- Polonium - 用于恶意软件检测的万亿级图挖掘
- Nazca - 在大规模网络中检测恶意软件分发
- PAYL - 基于异常载荷的网络入侵检测
- Anagram - 一种抵抗模仿攻击的内容异常检测器
- 机器学习在网络安全中的应用
- 用于构建网络攻击检测系统的数据挖掘(俄语)
- 为企业网络入侵检测系统选择数据挖掘技术(俄语)
- 信息安全任务中计算机网络分层表示的神经网络方法(俄语)
- 数据智能分析方法和入侵检测(俄语)
- 网络攻击检测系统中的维度降低
- 机器的崛起:机器学习及其网络安全应用
- 网络安全中的机器学习:半人马时代
- 自动逃避分类器:PDF恶意软件分类器的案例研究
- 将数据科学武器化用于社会工程 - Twitter上的自动化端到端鱼叉式网络钓鱼
- 机器学习:威胁狩猎的现实检验
- 基于神经网络的图嵌入用于跨平台二进制代码相似性检测
- 实用安全聚合用于隐私保护机器学习
- DeepLog:通过深度学习从系统日志中进行异常检测和诊断
- eXpose:用于检测恶意URL、文件路径和注册表项的基于字符级卷积神经网络和嵌入的方法
- 用于基于事件类型核算的安全事件关联的大数据技术(俄语)
- 应用层低强度DDoS攻击检测中神经网络使用的研究(俄文)
- 使用深度神经网络检测恶意PowerShell命令
- 消费者物联网设备的机器学习DDoS检测
- 通过系统日志智能分析进行计算机系统异常检测(俄文)
- EMBER:用于训练静态PE恶意软件机器学习模型的开放数据集
- 使用数据挖掘技术进行恶意软件检测的最新方法综述
- 使用监督学习技术对网络中恶意可执行文件检测的研究
- 网络安全中的机器学习:指南
- 封闭世界之外:在网络入侵检测中使用机器学习
- 工业物联网的基于机器学习的网络漏洞分析
- Hopper:横向移动的建模与检测
- 通过强化学习和自我对弈找到有效的安全策略
- 通过最优停止实现入侵预防
- 网络风险管理:人工智能生成的威胁警告(论文)
↑ 书籍
- 数据挖掘与机器学习在网络安全中的应用
- 计算机安全中的机器学习与数据挖掘
- 网络异常检测:机器学习视角
- 机器学习与安全:利用数据和算法保护系统
- 面向安全专业人员的人工智能入门
- 精通渗透测试中的机器学习
- 恶意软件数据科学:攻击检测与归因
↑ 演讲
- 使用机器学习支持信息安全
- 在信息不完整的情况下保护网络
- 将机器学习应用于网络安全监控
- 测量威胁情报源的智商
- 数据驱动的威胁情报:指标传播和共享的度量
- 应用机器学习进行数据泄露和其他有趣主题
- 因为数学而安全:基于机器学习的监控深度探讨
- 机器欺骗101:攻破深度学习系统
- Delta Zero, KingPhish3r - 将数据科学武器化用于社会工程
- 击败机器学习:你的安全供应商没有告诉你的事
- CrowdSource:用于恶意软件功能检测的群众训练机器学习模型
- 击败机器学习:检测恶意软件的系统性缺陷
- 数据包捕获村 - Theodora Titonis - 机器学习如何发现恶意软件
- 5分钟内构建防病毒软件 - 新鲜机器学习#7。一个有趣的观看视频
- 使用机器学习猎捕恶意软件
- 用于威胁检测的机器学习
- 机器学习和云:颠覆威胁检测和预防
- 使用机器学习和深度学习进行欺诈检测
- 深度学习在流量识别中的应用
- 在信息不完整的情况下保护网络:机器学习方法
- 机器学习与数据科学
- 网络防御中云规模机器学习的进展
- 应用机器学习:击败现代恶意文档
- 使用机器学习和GPO自动预防勒索软件
- 通过挖掘安全文献学习检测恶意软件
- Clarence Chio和Anto Joseph - 信息安全中的实用机器学习
- 网络防御中云规模机器学习的进展
- 基于机器学习的网络入侵检测技术
- 信息安全中的实用机器学习
- 人工智能与安全
- 信息安全中的人工智能
- 超越黑名单:通过机器学习检测恶意URL
- 机器学习助力的网络威胁狩猎
- 武器化机器学习:人性被高估了
- 机器学习、攻击和自动化的未来
- 将红蓝对抗引入机器学习
- 使用Azure和泰坦尼克号数据集解释机器学习
- 使用机器来利用机器
- 使用可视化和机器学习分析活动目录事件日志
- 加强机器学习防御以对抗对抗性攻击
- 黑客的深度神经网络:方法、应用和开源工具
- 威胁猎人日常工作中的机器学习
- 关于AI的真相:网络安全中的机器学习 - Josh Fu
- 使用深度学习自动检测软件漏洞
- 构建和破解机器学习系统 - Johann Rehberger
- 机器学习基础设施的漏洞 - Sergey Gordeychik
↑ 教程
- 基于机器学习的密码强度分类
- 使用机器学习对数据包捕获进行分类
- 使用机器学习检测恶意 URL
- 使用深度学习破解验证码系统
- 网络安全和入侵检测的数据挖掘
- 应用机器学习改进入侵检测系统
- 使用 Suricata 和机器学习分析僵尸网络
- fWaf – 机器学习驱动的 Web 应用防火墙
- 网络安全的深度会话学习
- 用于恶意软件检测的机器学习
- 影子经纪人泄露事件:机器学习方法
- 信息安全中的实用机器学习 - VirtualBox 镜像和相关资料
- 大规模电子犯罪取证的机器学习工具包
- 使用机器学习检测 WebShell
- 为安全运营中心构建机器学习模型
- 使用循环神经网络检测 Web 攻击
- 红队的机器学习,第一部分
- 使用机器学习检测反向 Shell
- 使用机器学习检测混淆的命令行
- 使用循环神经网络检测 Web 攻击(俄语)
- 机器学习的明显而令人不安的危险:破解密码
- 基于父子进程关系发现异常模式
- 使用机器学习检测钓鱼网站
- 在 Active Directory 中使用机器学习进行密码搜寻
- 如何自己开发基于机器学习的计算机攻击检测系统(俄语)
↑ 课程
↑ 其他
- 系统利用人类专家的输入预测 85% 的网络攻击
- 通过查看数据包头部进行分类的机器学习工具
- 使用机器学习的网络安全开源项目列表
- 机器学习和安全相关的源代码
- 《精通渗透测试机器学习》的源代码
- 用于分析渗透测试截图的卷积神经网络
- 安全和欺诈检测的大数据和数据科学
- StringSifter - 一个基于机器学习的工具,用于对字符串进行排序,以便进行恶意软件分析
许可证
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可。