阅读：Tiresias: Predicting Security Events Through Deep Learning

该文章出自2018年CCS。内容的理解可能有不妥之处【后续再持续更新】。

摘要：该文章的动机是：针对计算机安全中存在的问题，即防御者不仅能够检测到恶意活动的发生（这是一个二分类任务：有或无，已经实现），还要预测攻击者在执行攻击时将采取的具体步骤（本文章解决的问题）。目前仍然是一个开放的研究问题。文章引入了Tiresias，该系统采用一个利用递归神经网络（RNN），可以根据之前的观察结果，预测机器上的未来事件。作者从商业的入侵防御系统收集的34亿个安全事件的数据集上进行了测试。结果表明，Tiresias能够有效地预测机器上将发生的下一个事件，精度高达0.93。同时，Tiresias学习的模型随着时间的推移相当稳定，并提供了一种机制，可以识别精度的突然下降并触发系统的重新训练。最后系统的关键是RNN典型的长期记忆功能。