加密惡意流量分析-Maltrail惡意流量檢測系統
項目介紹 maltrail是一款輕量級的惡意流量檢測系統，其工作原理是通過采集網絡中各個開源黑樣本（包括IP、域名、URL），在待檢測目標機器上捕獲流量並進行惡意流量匹配，匹配成功則在其web頁面上展示命中的惡意流量。 項目GitHub地址 ...
原文：DataCon2020優秀解題思路分享：加密惡意流量檢測方向
加密惡意流量優秀檢測思路分享 王萌加密流量檢測 閱讀： , 摘要 近年來，隨着機器學習 深度學習等人工智能技術的迅猛發展，其在圖像識別 語音識別和自然語言處理等領域已經得到大規模應用，可以為傳統方法很難解決或無法適用的問題提供有效的方案，也已經成為網絡安全領域中的熱門研究方向，比如將人工智能應用於惡意加密流量的檢測就是一種行之有效的方法。 本文介紹一種從加密流量中檢測惡意流量的方法，來自清華大學的 ...
2021-10-11 15:46 1 868 推薦指數：
相關推薦
識別TLS加密惡意流量
利用背景流量數據（contexual flow data）識別TLS加密惡意流量 識別出加密流量中潛藏的安全威脅具有很大挑戰，現已存在一些檢測方法利用數據流的元數據來進行檢測，包括包長度和到達間隔時間等。來自思科的研究人員擴展現有的檢測方法提出一種新的思路（稱之為“data omnia ...
思科安全：加密流量威脅檢測、加密流量威脅和惡意軟件檢測、識別無線干擾或威脅、Talos 情報源可加強對已知和新型威脅的防御、分布式安全異常檢測
思科DNA競品比較工具 您的網絡能夠驅動數字化轉型嗎？ ...
利用機器學習檢測HTTP惡意外連流量
本文通過使用機器學習算法來檢測HTTP的惡意外連流量，算法通過學習惡意樣本間的相似性將各個惡意家族的惡意流量聚類為不同的模板。並可以通過模板發現未知的惡意流量。實驗顯示算法有較好的檢測率和泛化能力。 0×00背景 攻擊者為控制遠程的受害主機，必定有一個和被控主機的連接過程，一般是通過在被 ...
利用背景流量數據（contexual flow data） 識別TLS加密惡意流量
識別出加密流量中潛藏的安全威脅具有很大挑戰，現已存在一些檢測方法利用數據流的元數據來進行檢測，包括包長度和到達間隔時間等。來自思科的研究人員擴展現有的檢測方法提出一種新的思路（稱之為“dataomnia”），不需要對加密的惡意流量進行解密，就能檢測到采用TLS連接的惡意程序，本文就該檢測方法進行 ...
常見webshell客戶端的流量特征及檢測思路
列表，是“被服務“的，所以稱之為客戶端。本文將在后續介紹一系列有關webshell客戶端的流量監測手法 ...
詳細實例教程！集成華為虛假用戶檢測，防范虛假惡意流量
前言 最近老板要我開發一個商城App，在注冊登錄環節過濾掉虛假用戶，減少這些惡意流量對App運營的影響。偶然想起來，在今年的華為開發者大會上了解到虛假用戶檢測功能，於是准備試試集成在我們的App上。集成后發現效果還真不錯，不僅對虛假用戶識別率高，而且目前這項功能是免費開放的。老板再也不用擔心之前 ...
ECCV2020優秀論文匯總|涉及點雲處理、3D檢測識別、三維重建、立體視覺、姿態估計、深度估計、SFM等方向
作者： Tom Hardy 來源：公眾號@3D視覺工坊 鏈接：ECCV2020優秀論文匯總|涉及點雲處理、3D檢測識別、三維重建、立體視覺、姿態估計、深度估計、SFM等方向 前言 ECCV2020的oral和spotlight名單已經發布，與往年相比，accepted ...