Computational Techniques for Predicting Cyber Threats

Gandotra, Ekta; Bansal, Divya; Sofat, Sanjeev

doi:10.1007/978-81-322-2012-1_26

Cited by 21 publications

(13 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Метод, що ідентифікує сигнали з Інтернетджерел даних, які послідовно покращують прогнози кібератак, розглянуто у [10]. Огляд класичних підходів, заснованих на авторегресивних моделях та новітні підходи, які використовують нейронні мережі для прогнозування, беруть за основу дослідники в роботі [11] з метою прогнозування кібератак за допомогою машинного навчання.…”

Section: аналіз останніх публікацій і дослідженьunclassified

Визначення Оптимального Часу Проведення Спеціального Аудиту За Умови Еластичності Та Чутливості Функції Інтенсивності Кібератак

Barabash¹,

Halakhov²

2019

CNCS

View full text Add to dashboard Cite

В статті представлено дослідження, що направлені на встановлення оптимального часу проведення спеціального аудиту для покращення рівня кіберзахисту і надання пріоритетних та перевірених заходів для зменшення ризику виникнення кібер-інциденту. Проаналізовано часові ряди інтенсивності кібератак підприємства з проведенням аналітичного вирівнювання часового ряду функції інтенсивності кібератак за допомогою логістичної кривої. За знайденим інтервалом еластичності аналітичної функції інтенсивності кібератак на підприємство, що задовольняє нелінійному диференціальному рівнянню Бернуллі, проведено аналіз часових рядів кібератак на систему підприємства за однакові часові періоди, що попадають у часовий проміжок від кінця планового аудиту до початку наступного. За допомогою p–перетворення до функції інтенсивності кібератак на підприємство та, враховуючи без розмірність змінних, обчислено чутливість безрозмірної функції інтенсивності кібератак від параметра р за встановлений часовий період за умови проведення попередньої фільтрації часового ряду за трьома точками. Визначено оптимальний час проведення спеціального аудиту після проведення планового аудиту

show abstract

Section: аналіз останніх публікацій і дослідженьunclassified

Визначення Оптимального Часу Проведення Спеціального Аудиту За Умови Еластичності Та Чутливості Функції Інтенсивності Кібератак

Barabash¹,

Halakhov²

2019

CNCS

View full text Add to dashboard Cite

show abstract

“…The closest to our research is Gandotra et al [30] who outlined a number cyber prediction efforts using statistical modeling and algorithmic modeling. They highlight several significant challenges that we tried to address.…”

Section: B Predicting Cyber Attackmentioning

confidence: 99%

“…We were able to get ground truth data from 2 companies that operate in the defense industrial base, this ground truth is across three different attack vectors and is over a two year time period. The additional challenges in [30] focus on the volume, speed and heterogeneity of network data which we avoid since we are attempting to prevent cyber events specifically with nonnetwork data. They also present two modeling approaches of statistical modeling and algorithmic modeling.…”

Section: B Predicting Cyber Attackmentioning

confidence: 99%

Predicting Cyber-Events by Leveraging Hacker Sentiment

2018

View full text Add to dashboard Cite

Recent high-profile cyber attacks exemplify why organizations need better cyber defenses. Cyber threats are hard to accurately predict because attackers usually try to mask their traces. However, they often discuss exploits and techniques on hacking forums. The community behavior of the hackers may provide insights into groups' collective malicious activity. We propose a novel approach to predict cyber events using sentiment analysis. We test our approach using cyber attack data from 2 major business organizations. We consider 3 types of events: malicious software installation, malicious destination visits, and malicious emails that surpassed the target organizations' defenses. We construct predictive signals by applying sentiment analysis on hacker forum posts to better understand hacker behavior. We analyze over 400K posts generated between January 2016 and January 2018 on over 100 hacking forums both on surface and Dark Web. We find that some forums have significantly more predictive power than others. Sentiment-based models that leverage specific forums can outperform state-of-the-art deep learning and time-series models on forecasting cyber attacks weeks ahead of the events.

show abstract

“…One approach to improving cyber defense is to forecast or predict cyber attacks, similar to how weather forecasting has benefited the society in mitigating natural hazards. The prediction capability can guide defenders to achieve costeffective, if not optimally, allocation of defense resources [1][2][3][4]. For example, the defender may need to allocate more resources for deep packet inspection [5] to accommodate the predicted high cyber attack rate.…”

Section: Introductionmentioning

confidence: 99%

A deep learning framework for predicting cyber attacks rates

Fang

et al. 2019

EURASIP J. on Info. Security

View full text Add to dashboard Cite

Like how useful weather forecasting is, the capability of forecasting or predicting cyber threats can never be overestimated. Previous investigations show that cyber attack data exhibits interesting phenomena, such as long-range dependence and high nonlinearity, which impose a particular challenge on modeling and predicting cyber attack rates. Deviating from the statistical approach that is utilized in the literature, in this paper we develop a deep learning framework by utilizing the bi-directional recurrent neural networks with long short-term memory, dubbed BRNN-LSTM. Empirical study shows that BRNN-LSTM achieves a significantly higher prediction accuracy when compared with the statistical approach.

show abstract

Computational Techniques for Predicting Cyber Threats

Cited by 21 publications

References 18 publications

Визначення Оптимального Часу Проведення Спеціального Аудиту За Умови Еластичності Та Чутливості Функції Інтенсивності Кібератак

Визначення Оптимального Часу Проведення Спеціального Аудиту За Умови Еластичності Та Чутливості Функції Інтенсивності Кібератак

Predicting Cyber-Events by Leveraging Hacker Sentiment

A deep learning framework for predicting cyber attacks rates

Contact Info

Product

Resources

About