Buchumschlag

TBDetector:Transformer-Based Detector for Advanced Persistent Threats with Provenance Graph

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Nan, Wen, Xuezhi, Zhang, Dalin, Zhao, Xibin, Ma, Jiahui, Luo, Mengxia, Xu, Fan, Nie, Sen, Wu, Shi, Liu, Jiqiang
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Cryptography and Security Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LTRDetector: Exploring Long-Term Relationship for Advanced Persistent Threats Detection
von: Liu, Xiaoxiao, et al.
Veröffentlicht: (2024)

ORCHID: Streaming Threat Detection over Versioned Provenance Graphs
von: Goyal, Akul, et al.
Veröffentlicht: (2024)

Combating Advanced Persistent Threats: Challenges and Solutions
von: Wang, Yuntao, et al.
Veröffentlicht: (2023)

GraphDART: Graph Distillation for Efficient Advanced Persistent Threat Detection
von: Rabooki, Saba Fathi, et al.
Veröffentlicht: (2025)

APT-CGLP: Advanced Persistent Threat Hunting via Contrastive Graph-Language Pre-Training
von: Qiu, Xuebo, et al.
Veröffentlicht: (2025)

Chasing the Shadows: TTPs in Action to Attribute Advanced Persistent Threats
von: Rani, Nanda, et al.
Veröffentlicht: (2024)

A Federated Learning Approach for Multi-stage Threat Analysis in Advanced Persistent Threat Campaigns
von: Nelles, Florian, et al.
Veröffentlicht: (2024)

LLM-driven Provenance Forensics for Threat Investigation and Detection
von: Mukherjee, Kunal, et al.
Veröffentlicht: (2025)

How Far Should We Need to Go : Evaluate Provenance-based Intrusion Detection Systems in Industrial Scenarios
von: Xiao, Yue, et al.
Veröffentlicht: (2026)

PsybORG+: Modeling and Simulation for Detecting Cognitive Biases in Advanced Persistent Threats
von: Huang, Shuo, et al.
Veröffentlicht: (2024)

An End-to-End Framework for Functionality-Embedded Provenance Graph Construction and Threat Interpretation
von: Ghosh, Kushankur, et al.
Veröffentlicht: (2026)

threaTrace: Detecting and Tracing Host-based Threats in Node Level Through Provenance Graph Learning
von: Wang, Su, et al.
Veröffentlicht: (2021)

A Decade-long Landscape of Advanced Persistent Threats: Longitudinal Analysis and Global Trends
von: Yuldoshkhujaev, Shakhzod, et al.
Veröffentlicht: (2025)

Deep Recurrent Hidden Markov Learning Framework for Multi-Stage Advanced Persistent Threat Prediction
von: Tijjani, Saleem Ishaq, et al.
Veröffentlicht: (2026)

Slot: Provenance-Driven APT Detection through Graph Reinforcement Learning
von: Qiao, Wei, et al.
Veröffentlicht: (2024)

CLIProv: A Contrastive Log-to-Intelligence Multimodal Approach for Threat Detection and Provenance Analysis
von: Li, Jingwen, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Advanced Persistent Threat Attribution: Taxonomy, Methods, Challenges and Open Research Problems
von: Rani, Nanda, et al.
Veröffentlicht: (2024)

APT-LLM: Embedding-Based Anomaly Detection of Cyber Advanced Persistent Threats Using Large Language Models
von: Benabderrahmane, Sidahmed, et al.
Veröffentlicht: (2025)

Exploring Answer Set Programming for Provenance Graph-Based Cyber Threat Detection: A Novel Approach
von: Li, Fang, et al.
Veröffentlicht: (2025)

Accurate and Scalable Detection and Investigation of Cyber Persistence Threats
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Sleeper Channels and Provenance Gates: Persistent Prompt Injection in Always-on Autonomous AI Agents
von: Maloyan, Narek, et al.
Veröffentlicht: (2026)

DEFENDCLI: {Command-Line} Driven Attack Provenance Examination
von: Wu, Peilun, et al.
Veröffentlicht: (2025)

Explainable and Transferable Adversarial Attack for ML-Based Network Intrusion Detectors
von: Zhang, Hangsheng, et al.
Veröffentlicht: (2024)

Uncovering CWE-CVE-CPE Relations with Threat Knowledge Graphs
von: Shi, Zhenpeng, et al.
Veröffentlicht: (2023)

S-DAPT-2026: A Stage-Aware Synthetic Dataset for Advanced Persistent Threat Detection
von: Tijjani, Saleem Ishaq, et al.
Veröffentlicht: (2026)

Marlin: Knowledge-Driven Analysis of Provenance Graphs for Efficient and Robust Detection of Cyber Attacks
von: Li, Zhenyuan, et al.
Veröffentlicht: (2024)

Detecting Malicious Accounts in Web3 through Transaction Graph
von: Li, Wenkai, et al.
Veröffentlicht: (2024)

Ancora: Accurate Intrusion Recovery for Web Applications
von: Peng, Yihao, et al.
Veröffentlicht: (2025)

Semantic-Aware Advanced Persistent Threat Detection Using Autoencoders on LLM-Encoded System Logs
von: Mohammed, Waleed Khan, et al.
Veröffentlicht: (2026)

An explainable Recursive Feature Elimination to detect Advanced Persistent Threats using Random Forest classifier
von: Mutalib, Noor Hazlina Abdul, et al.
Veröffentlicht: (2025)

From Cyber Threat to Data Shield: Constructing Provably Secure File Erasure with Repurposed Ransomware Cryptography
von: Shang, Jiahui, et al.
Veröffentlicht: (2025)

Advanced Persistent Threats (APT) Attribution Using Deep Reinforcement Learning
von: Basnet, Animesh Singh, et al.
Veröffentlicht: (2024)

MirGuard: Towards a Robust Provenance-based Intrusion Detection System Against Graph Manipulation Attacks
von: Sang, Anyuan, et al.
Veröffentlicht: (2025)

EagleEye: Attention to Unveil Malicious Event Sequences from Provenance Graphs
von: Gysel, Philipp, et al.
Veröffentlicht: (2024)

DEHYDRATOR: Enhancing Provenance Graph Storage via Hierarchical Encoding and Sequence Generation
von: Ying, Jie, et al.
Veröffentlicht: (2024)

A Survey of Security in UAVs and FANETs: Issues, Threats, Analysis of Attacks, and Solutions
von: Ceviz, Ozlem, et al.
Veröffentlicht: (2023)

Investigation of Advanced Persistent Threats Network-based Tactics, Techniques and Procedures
von: Alageel, Almuthanna, et al.
Veröffentlicht: (2025)

ProvX: Generating Counterfactual-Driven Attack Explanations for Provenance-Based Detection
von: Wu, Weiheng, et al.
Veröffentlicht: (2025)

A Study on the Importance of Features in Detecting Advanced Persistent Threats Using Machine Learning
von: Hallaji, Ehsan, et al.
Veröffentlicht: (2025)

TFLAG:Towards Practical APT Detection via Deviation-Aware Learning on Temporal Provenance Graph
von: Jiang, Wenhan, et al.
Veröffentlicht: (2025)