至顶网网络与安全频道 01月13日 编译:IBM研究实验室近日宣布发布开源安全工具包SysFlow,用于查找云和容器环境中的漏洞。SysFlow旨在解决网络保护中的常见问题。现代安全监控工具可以高精确度地捕获系统活动,跟踪到单个事件例如文件更改操作等。
这很有用但也会产生大量“噪音”,更难以发现威胁。IBM研究人员Frederico Araujo和Teryl Taylor称在这种情况下寻找漏洞无异于“大海捞针”。
SysFlow减少了安全团队必须筛选的信息量。该工具包可以从给定的系统中收集操作数据,并将这些数据压缩到一个模型中,该模型可以显示系统的高级别行为而不是单个事件(例如HTTP请求),而且还可以呈现这种本地化事件,但是SysFlow会将其与相关行为模式进行关联,而不是为了详细分析提供必要的上下文。
Araujo和Taylor在一篇博客文章中举例了一种示漏洞场景,结果证明该工具包是非常方便的。他们假设黑客发现了企业网络中存在漏洞的Node.js服务器,将恶意脚本下载到该服务器上,然后入侵了敏感的客户数据库。
两位研究人员解释说:“先进的监视工具只能捕获断开连接的事件流,但SysFlow可以连接系统上每个攻击步骤的实体。例如,突出显示的SysFlow跟踪情况可以精确地映射攻击杀死链的每一步:劫持node.js进程,然后与端口2345上的远程恶意软件服务器进行对话,以下载并执行恶意脚本。”
SysFlow不仅可以帮助安全团队发现威胁,而且在这个过程中还能节省硬件资源。据IBM称,与传统工具相比,该工具包降低安全数据收集率是“数量级”的。
SysFlow具有内置的规则引擎,可自定义自动发现可疑事件。除了漏洞之外,该工具包还可以发现违反法规的情况,例如将财务记录保存在不恰当的地方。当需要进行更高粒度的检测时,安全团队可以将他们的自定义威胁识别算法编程到SysFlow中。
IBM认为,该平台可与其他开源工具一起使用。“SysFlow的开放序列化格式和库,支持与开放源代码框架(例如Spark、scikit-learn)和自定义分析微服务的集成,”Araujo和Taylor在博客中这样写道。
SysFlow能够将原始系统数据转换为高级别查看恶意行为情况,这个功能是其他解决方案也能提供的。目前有几家安全保护厂商(包括最近刚刚获得融资的初创公司Cybereason)都提供了商业化的调查工具,可以追踪攻击者攻击企业网络的路径。但是,IBM以开源的形式免费提供SysFlow,这一点将让SysFlow在安全工具生态系统中占据特殊的位置。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究由香港理工大学和新加坡国立大学的团队共同完成,提出了R?ec,首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同,R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架,无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示,R?ec在三个数据集上显著超越现有方法,在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。