Ein beliebter Ansatz zur Erkennung von Cyberangriffen ist die Überwachung von Systemen in Echtzeit
um schädliche Aktivitäten zu erkennen, sobald sie auftreten. Während diese Lösungen darauf abzielen
Erkennen Sie Bedrohungen frühzeitig, Schaden minimieren, Sie leiden unter einer erheblichen
Herausforderung aufgrund des Vorhandenseins falsch positiver Ergebnisse. Falsch positive Ergebnisse haben eine
schädliche Auswirkungen auf Computersysteme, was zu Unterbrechungen führen kann
legitime Abläufe und verringerte Produktivität. Die meisten zeitgenössischen Werke tendieren dazu
Nutzen Sie fortschrittliche Lösungen für maschinelles Lernen und KI, um diese Herausforderung zu bewältigen.
Bedauerlicherweise, Fehlalarme können, bestenfalls, verringert, aber nicht beseitigt werden.
In diesem Papier, Wir schlagen einen alternativen Ansatz vor, der sich auf die Reduzierung konzentriert
Auswirkungen von Fehlalarmen zu erkennen, anstatt sie zu beseitigen. Wir stellen Walküre vor,
Ein Framework, das jeden vorhandenen Laufzeitdetektor um ein erweitern kann
Reaktion nach der Erkennung. Valkyrie ist für zeitprogressive Angriffe konzipiert,
wie etwa Angriffe auf die Mikroarchitektur, Reihenhammer, Ransomware, und Kryptominer,
die ihre Ziele schrittweise mithilfe von Systemressourcen erreichen. Sobald
ein Angriff wird erkannt, Valkyrie begrenzt die zugewiesenen Rechenressourcen,
Drosselung des Angriffs, bis die Zuverlässigkeit des Detektors ausreichend hoch ist
ein entschiedeneres Vorgehen rechtfertigen. Für ein falsch positives Ergebnis, das System einschränken
Ressourcen führen nur zu einer geringfügigen Verlängerung der Ausführungszeit. Durchschnittlich, Die
Die durch Fehlalarme verursachte Verlangsamung ist geringer als 1% für Single-Threaded
Programme und 6.7% für Multithread-Programme. Auf der anderen Seite, Angriffe wie
Rowhammer werden verhindert, während die Wirksamkeit mikroarchitektonischer Angriffe,
Ransomware, und Kryptominer ist stark reduziert.
Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.
PDF herunterladen: