Research / Paper Files
Paper Files
Paper Files הם תרגול אישי של לימוד מתמשך ב-cybersecurity שמיישם את השיטה המדעית ככלי למידה. כל מאמר נכתב לא לצורכי פרסום אקדמי, אלא כתרגיל מכוון להשחזת הגרזן — העמקת הידע בנושאים ספציפיים, ארגון רעיונות בקפדנות, והתבוננות כיצד ההבנה של תחומים מסוימים מתפתחת לאורך זמן. זהו המקבילה האינטלקטואלית ליומן אימונים: כל רשומה מתעדת מה נלמד, כיצד נותח, ואילו מסקנות עלו.
אני ממליץ בחום שאנשי אבטחה יאמצו שיטה זו. בחרו נושא שאתם רוצים לשלוט בו, חקרו מקורות ראשוניים (RFCs, מאמרים, תיעוד רשמי), בנו את הטקסט שלכם עם מבוא, מתודולוגיה, ניתוח ומסקנה, וכתבו כאילו אתם מסבירים לעמית. פעולת הכתיבה כופה בהירות מחשבה וחושפת פערים בהבנה שקריאה פסיבית אינה יכולה לגלות. השתמשו במאמרים באתר זה כדוגמאות לפורמט ולעומק, ובנו אוסף משלכם — עם הזמן יהיה לכם מאגר אישי של ידע מעודן שאף קורס או הסמכה אינם יכולים להחליף.
DAI & ADAI · 2026
DAI: A Domain-Specific LLM with Model-Excluded Authority, Capability-Disjoint Verification, and Recomputable Receipts
DAI (Decripte Artificial Intelligence) is a proprietary domain-specific LLM within a governed autonomous defensive architecture. It is an instance of the proposed ADAI category defined in the companion framework paper. T…
Read paper →ADAI · ENAutonomous Defensive AI: An Envelope-and-Evidence Framework for Governed LLMs Acting on Production Infrastructure
ADAI (Autonomous Defensive Artificial Intelligence) is a proposed category of governed autonomous cyber defense. The framework specifies defended perimeters, bounded effects, declared rollback and capability-disjoint ver…
Read paper →185 papers
כותרת: גילוי אדפטיבי ומולטימודלי של פישינג המבוסס על למידה עמוקה ועל מידול פורמלי של איומים עם הבטחות כמותיות של חוסן
כותרת: גילוי אדפטיבי ומולטימודלי של פישינג המבוסס על למידה עמוקה ועל מידול פורמלי של איומים עם הבטחות כמותיות של חוסן תקציר: הפישינג נותר כאחד הווקטורים המרכזיים לפגיעה בנוף הסייבר הגלובלי בשנת 2025, תוך שילוב של הנדסה חברתית, תשתית ארעית וטכניקות התחמקות מתקדמות המבוססות על בינה מלאכותית. בעבודה זו אנו מציעים ארכיטקטורה מולטימודלית לגילוי אדפטיבי של פישינג, המבוססת על מידול פורמלי של סיכון אדברסרי עם אילוץ מפורש של עלות תפעולית עבור התוקף. אנו מנסחים פורמלית את הבעיה כמשחק אסטרטגי בין יריב המוגבל בתקציב ε לבין מסווג f, ומגדירים את הסיכון האדברסרי R(f,𝒜_ε) וכן תנאים כמותיים לחוסן ε-אדברסרי. אנו מראים כי מיזוג קמור של מודליות — לקסיקלית, מבנית (DOM), סמנטית המבוססת על Transformers, וויזואלית-פרספטואלית — שומר על מרווחי הפרדה תחת הנחות של עצמאות חלקית של הפרעות, ובכך מעלה את העלות הכלכלית של ההתחמקות. הארכיטקטורה מאומנת באמצעות אופטימיזציית min–max עם יריב פנימי פרמטרי המבוסס על טרנספורמציות ריאליסטיות, כולל הומוגרפים של IDN, מוטציות תחביריות והסוואה דינמית. אנו מעריכים את המערכת על מערך של 1.2 מיליון URLs שמקורם במאגרי מידע ציבוריים מגובשים, עם רווחי סמך שהתקבלו באמצעות bootstrap סטרטיפי. התוצאות מצביעות על AUC של 0.997 ועל F1 של 0.986, תוך שמירה על השהיה ממוצעת הנמוכה מ-35 ms לאחר כימות INT8. תחת התקפות ממוקדות, שיעור הגילוי נשאר מעל 94%, ובכך עולה על מודלים unimodal. אנו דנים בהשלכות הכלכליות של חוסן מולטימודלי, באינטגרציה עם בקרות מודרניות כגון TLS fingerprinting וטלמטריה באמצעות eBPF, ובהתאמה להנחיות של ממשל בינה מלאכותית וזהות דיגיטלית. אנו מסיקים כי השילוב בין יסודות פורמליים להנדסה מעשית מאפשר להשיג הבטחות מדידות לחוסן מבלי לפגוע בדרישות התפעוליות הארגוניות.
Read paper →Phishingכותרת: PhishGuard++: זיהוי מולטימודלי ואדפטיבי של פישינג עם הבטחות פורמליות תחת מודל איום ריאליסטי
כותרת: PhishGuard++: זיהוי מולטימודלי ואדפטיבי של פישינג עם הבטחות פורמליות תחת מודל איום ריאליסטי תקציר: פישינג נותר כאחד מווקטורי הגישה הראשונית הנפוצים והמשפיעים ביותר מבחינה כלכלית בנוף האיומים הגלובלי בשנת 2025, תוך שהוא מתפתח כך שיכלול ערכות adversary-in-the-middle (AiTM), דפים המיוצרים באופן דינמי ותוכן סינתטי המופק על ידי מודלים גנרטיביים רחבי־היקף. בעבודה זו אנו מציעים את PhishGuard++, ארכיטקטורה מולטימודלית וחסינה לזיהוי פישינג, המשלבת אותות לקסיקליים, מבניים, חזותיים והתנהגותיים במסגרת ניסוח פורמלי של למידה חסינה min–max. אנו ממדלים במפורש את הבעיה כמזעור סיכון תחת הפרעות אדברסריאליות מולטימודליות, תוך התחשבות באדברסריאלי הסתברותי המוגבל פולינומית עם יכולת לרשום דומיינים שרירותיים, להשיג תעודות TLS תקפות, להשתמש בהסוואה הומוגליפית ב-Unicode ולנצל יצירת תוכן אוטומטית באמצעות מודלי שפה. הארכיטקטורה משלבת CNN ברמת התו, embeddings מבניים הנגזרים מגרף ה-DOM, backbone חזותי מסוג ResNet-50 ומודול מיזוג מבוסס Transformer עם attention צולב, שאומן באמצעות רגולריזציה אדברסריאלית בהשראת FGSM. אנו מדגימים פורמלית תנאים מספיקים לחסינות תחת הנחות של רציפות Lipschitz וקומפקטיות של קבוצת ההפרעות, וכן מנתחים את המורכבות החישובית כדי להבטיח שיהוי נמוך מ-20 ms בסביבת ייצור מכוללת. הערכנו את המערכת במאגרי מידע ציבוריים (PhishTank, UCI) ובקורפוס קנייני מאוזן, והגענו לדיוק ממוצע של 98.73% (±0.21) ו-AUC של 0.992, עם שיפורים מובהקים סטטיסטית ביחס ל-Random Forest ול-XGBoost (p < 0.01). ביצענו גם ניסויים תחת הסוואה הומוגליפית ותוכן סינתטי שנוצר על ידי LLMs, והראינו חסינות יחסית גבוהה יותר. אנו דנים בהשלכות לאינטגרציה עם ארכיטקטורות אבטחה מודרניות (CNAPP, eBPF) ובהתאמה להנחיות הזהות הדיגיטלית של NIST, לצד מגבלות וכיווני מחקר עתידיים הכוללים למידה פדרטיבית עם פרטיות דיפרנציאלית והצפנה פוסט-קוונטית להגנת מודלים.
Read paper →PhishingPhishGuard++: זיהוי פישינג רב־מודלי ואדפטיבי עם ערבויות פורמליות תחת מודל איום ריאליסטי
TITLE: PhishGuard++: זיהוי פישינג רב־מודלי ואדפטיבי עם ערבויות פורמליות תחת מודל איום ריאליסטי ABSTRACT: פישינג נותר אחד מווקטורי הגישה הראשוניים הנפוצים והבעלי השפעה כלכלית הגבוהה ביותר בנוף האיומים הגלובלי בשנת 2025, ומתפתח כך שיכלול ערכות תוקף־ב־האמצע (AiTM), דפים הנוצרים דינמית ותוכן סינתטי המיוצר על ידי מודלים גנרטיביים בקנה מידה גדול. בעבודה זו אנו מציעים את PhishGuard++, ארכיטקטורה רב־מודלית ורובסטית לזיהוי פישינג המשלבת אותות לקסיקליים, מבניים, חזותיים והתנהגותיים במסגרת ניסוח פורמלי של למידה רובסטית מסוג min–max. אנו ממדלים במפורש את הבעיה כמזעור סיכון תחת הפרעות אדברסריות רב־מודליות, תוך התחשבות ביריב הסתברותי המוגבל פולינומית ובעל יכולת לרשום דומיינים שרירותיים, להשיג תעודות TLS תקפות, להפעיל אובפוסקציה הומוגליפית של Unicode ולהשתמש ביצירה אוטומטית של תוכן באמצעות מודלי שפה. הארכיטקטורה משלבת CNN ברמת תו, אמבדינגים מבניים הנגזרים מגרף ה‑DOM, backbone חזותי ResNet-50 ומודול מיזוג מבוסס Transformer עם תשומת־לב מוצלבת, המאומן באמצעות רגולריזציה אדברסרית בהשראת FGSM. אנו מדגימים פורמלית תנאים מספיקים לרובסטיות תחת הנחות של רציפות ליפשיץ וקומפקטיות של קבוצת ההפרעות, וכן מנתחים את הסיבוכיות החישובית כדי להבטיח השהיה נמוכה מ‑20 ms בסביבת ייצור מבוססת קונטיינרים. אנו מעריכים את המערכת על מאגרי נתונים ציבוריים (PhishTank, UCI) ועל קורפוס קנייני מאוזן, ומשיגים דיוק ממוצע של 98,73% (±0,21) ו‑AUC של 0,992, עם שיפורים מובהקים סטטיסטית ביחס ל‑Random Forest ול‑XGBoost ($p < 0,01$). בנוסף ביצענו ניסויים תחת אובפוסקציה הומוגליפית ותוכן סינתטי שנוצר על ידי LLMs, המדגימים רובסטיות יחסית גבוהה יותר. אנו דנים גם בהשלכות לשילוב עם ארכיטקטורות אבטחה מודרניות (CNAPP, eBPF) ובהתאמה להנחיות הזהות הדיגיטלית של NIST, לצד מגבלות וכיווני מחקר עתידיים הכוללים למידה פדרטיבית עם פרטיות דיפרנציאלית וקריפטוגרפיה פוסט־קוונטית להגנה על מודלים.
Read paper →Phishingכותרת: ארכיטקטורה היברידית אדפטיבית לזיהוי ולהפחתת פישינג רב-ערוצי עם מידול פורמלי של איומים, חוסן אדברסרי ולמידה עצמי-מונחית
כותרת: ארכיטקטורה היברידית אדפטיבית לזיהוי ולהפחתת פישינג רב-ערוצי עם מידול פורמלי של איומים, חוסן אדברסרי ולמידה עצמי-מונחית תקציר: פישינג נותר, בשנת 2025, וקטור הכניסה הראשוני המרכזי בשרשראות תקיפה מודרניות, תוך שילוב קמפיינים רב-ערוציים המשלבים דוא"ל, SMS (smishing), קול (vishing), מסרים מיידיים ופלטפורמות מבוססות IA גנרטיבית. דוחות עדכניים של Verizon ושל APWG מצביעים על צמיחה מתמשכת בהיקף ובתחכום של קמפיינים אלה, כולל שימוש בדומיינים שנרשמו זה עתה, הומוגרפים ב-Unicode ותשתית ארעית. בעבודה זו אנו מציעים ארכיטקטורה היברידית אדפטיבית לזיהוי ולהפחתת פישינג רב-ערוצי, המבוססת על מידול פורמלי של איומים, למידה עצמי-מונחית וניתוח מבני של URLs המשולב עם ייצוגים סמנטיים מבוססי טרנספורמרים. אנו מנסחים באופן פורמלי את הבעיה כסיווג בינארי תחת חוסר איזון חמור, ומציגים הגדרה מפורשת של חוסן אדברסרי להפרעות השומרות על סמנטיקה, עם מדד ביצוע תפעולי בתרחישים אדברסריים. הארכיטקטורה משלבת שלושה מודולים: (i) מנתח מבני של URL עם זיהוי הומוגרפים ואיתותים זמניים; (ii) מקודד סמנטי קונטקסטואלי המבוסס על BERTimbau; ו-(iii) גלאי אנומליות עצמי-מונחֶה המאומן באמצעות שחזור. הערכנו את המערכת על מערך של 3.2 מיליון הודעות שמקורן ב-OpenPhish, PhishTank ו-Enron, תוך שימוש בולידציה צולבת סטרטיפיקטיבית 5-fold. השגנו F1-score של 98.6% ו-AUC של 0.997, עם דעיכה מוגבלת ל-3.1% תחת התקפות הומוגרפים, תוך התעלות על Baselines קלאסיים ורשתות קונבולוציוניות. הדגמנו הפחתה של 37% בפוזיטיביים שגויים, היבט קריטי לפעילות SOC המותאמת להנחיות NIST. אנו דנים בהשלכות עבור CNAPP, אינטגרציה עם Pipelines ב-Kubernetes ומגבלות הקשורות ל-WHOIS ול-הטיה לשונית. אנו מסיקים כי האינטגרציה הפורמלית בין ניתוח מבני, מידול סמנטי וזיהוי עצמי-מונחה מהווה גישה חסינה וברת-יישום תפעולי עבור אקוסיסטם האיומים של 2025.
Read paper →Phishingארכיטקטורה היברידית אדפטיבית לזיהוי ולמיתון Phishing רב־ערוצי עם מודליזציה פורמלית של איומים, Robustness אדברסרית ולמידה עצמית-מונחית
TITLE: ארכיטקטורה היברידית אדפטיבית לזיהוי ולמיתון Phishing רב־ערוצי עם מודליזציה פורמלית של איומים, Robustness אדברסרית ולמידה עצמית-מונחית ABSTRACT: בשנת 2025, phishing נותר הווקטור המרכזי לגישה ראשונית בשרשראות תקיפה מודרניות, ומשולב בקמפיינים רב־ערוציים המשלבים דוא״ל, SMS (smishing), קול (vishing), מסרים מיידיים ופלטפורמות מבוססות AI גנרטיבי. דוחות עדכניים של Verizon ושל APWG מצביעים על צמיחה מתמשכת בהיקף ובתחכום של קמפיינים אלה, כולל שימוש בדומיינים שנרשמו לאחרונה, הומוגרפים של Unicode ותשתיות אפמרליות. בעבודה זו אנו מציעים ארכיטקטורה היברידית אדפטיבית לזיהוי ולמיתון phishing רב־ערוצי, המבוססת על מודליזציה פורמלית של איומים, למידה עצמית-מונחית וניתוח מבני של URLs בשילוב עם ייצוגים סמנטיים מבוססי טרנספורמרים. אנו מנסחים את הבעיה כסיווג בינארי תחת חוסר איזון חמור ומציגים הגדרה מפורשת של Robustness אדברסרית עבור הפרעות המשמרות סמנטיקה, יחד עם מדד ביצועים אופרטיבי בתרחישים אדברסריים. הארכיטקטורה משלבת שלושה מודולים: (i) מנתח מבני של URL עם זיהוי הומוגרפים ואותות זמניים; (ii) מקודד סמנטי הקשרי מבוסס BERTimbau; ו-(iii) גלאי אנומליות בלמידה עצמית-מונחית המאומן באמצעות שחזור. הערכנו את המערכת על מערך נתונים של 3.2 מיליון הודעות שמקורן ב‑OpenPhish, PhishTank ו‑Enron, תוך שימוש באימות צולב מרובד 5-fold. השגנו F1-score של 98.6% ו‑AUC של 0.997, עם ירידה מוגבלת של 3.1% תחת מתקפות הומוגרפים, תוך עקיפת baselines קלאסיים ורשתות קונבולוציוניות. אנו מדגימים הפחתה של 37% בתוצאות חיוביות שגויות, היבט קריטי לפעולות SOC המותאמות להנחיות NIST. אנו דנים בהשלכות עבור CNAPP, אינטגרציה עם pipelines ב‑Kubernetes, ובמגבלות הקשורות ל‑WHOIS ולהטיה לשונית. אנו מסיקים כי האינטגרציה הפורמלית בין ניתוח מבני, מודליזציה סמנטית וזיהוי בלמידה עצמית-מונחית מהווה גישה חסונה וישימה מבחינה תפעולית עבור אקוסיסטם האיומים של 2025.
Read paper →Phishingכותרת: PHISHGUARD++: מסגרת פורמלית, חזקה וניתנת להרחבה לזיהוי מולטימודלי של פישינג באמצעות למידה עמוקה, מידול אדברסריאלי וממשל בינה מלאכותית
כותרת: PHISHGUARD++: מסגרת פורמלית, חזקה וניתנת להרחבה לזיהוי מולטימודלי של פישינג באמצעות למידה עמוקה, מידול אדברסריאלי וממשל בינה מלאכותית תקציר: פישינג נותר אחד מווקטורי החדירה הנפוצים והמשפיעים ביותר מבחינה כלכלית באקוסיסטם הדיגיטלי העכשווי, והוא מועצם על ידי אוטומציה המבוססת על בינה מלאכותית גנרטיבית ועל ידי מסעות תקיפה מותאמים אישית במיוחד. בעבודה זו אנו מציעים את PHISHGUARD++, מסגרת פורמלית וניתנת להרחבה לזיהוי מולטימודלי של פישינג, המשלבת מידול סטטיסטי קפדני, למידה עמוקה ואימון אדברסרי תחת ניסוח min-max. אנו ממדלים את הבעיה כסיווג מונחה במרחב קלט מולטימודלי X = X_t × X_g × X_v, הכולל מאפיינים טקסטואליים, מבניים (גרפים הטרוגניים של דומיינים, כתובות IP, תעודות וקשרי ASN) וחזותיים. אנו מנסחים מחדש את היעד הקלאסי של מזעור הסיכון הצפוי בהקשר של סיכון אדברסרי חסין, תוך לכידת הפרעות מוגבלות-ε ותסריטי היסחפות מושגית באופן מפורש. הארכיטקטורה המוצעת משלבת Transformers מאומנים מראש, רשתות נוירונים על גרפים הטרוגניים ורשתות קונבולוציה רזידואליות עמוקות, עם איחוי מאוחר מווסת. אנו משתמשים באימון אדברסרי המבוסס על Projected Gradient Descent (PGD) ומעריכים חוסן תחת התקפות מוגבלות בנורמת L_p. המימוש, המבוסס על PyTorch 2.x, Apache Kafka ו-Apache Flink, מדגים היתכנות תפעולית עם שיהוי ממוצע של 12.4 ms לכל דגימה ותפוקה העולה על 80,000 אירועים לשנייה באשכול עם GPUs של NVIDIA A100. במערך נתונים הכולל 1.54 מיליון מופעים מאוזנים, המודל משיג F1 = 0.986 ± 0.004 ושיעור חיוביים-שגויים של 0.92%, עם דעיכה מבוקרת תחת התקפה אדברסרית. אנו דנים בהשלכות של ממשל בינה מלאכותית, עמידה בהנחיות NIST והתאמה למסגרות לניהול סיכוני בינה מלאכותית. אנו מסיקים כי האינטגרציה בין מולטימודליות, אופטימיזציה חסינה ופרקטיקות מודרניות של הנדסת אבטחה מספקת שיפורים מהותיים בחוסן כנגד מסעות פישינג אדפטיביים המועצמים על ידי מודלי שפה גדולים.
Read paper →PhishingPHISHGUARD++: מסגרת פורמלית, חסונה וניתנת להרחבה לזיהוי מולטימודלי של פישינג באמצעות למידה עמוקה, מודלינג אדברסרי וממשל בינה מלאכותית
TITLE: PHISHGUARD++: מסגרת פורמלית, חסונה וניתנת להרחבה לזיהוי מולטימודלי של פישינג באמצעות למידה עמוקה, מודלינג אדברסרי וממשל בינה מלאכותית ABSTRACT: פישינג נותר אחד מווקטורי החדירה הנפוצים ובעלי ההשפעה הכלכלית הגדולה ביותר באקוסיסטם הדיגיטלי המודרני, ומועצם באמצעות אוטומציה המבוססת על בינה מלאכותית גנרטיבית וכן באמצעות קמפיינים מותאמים אישית ברמה גבוהה. בעבודה זו אנו מציעים את PHISHGUARD++, מסגרת פורמלית וניתנת להרחבה לזיהוי מולטימודלי של פישינג המשלבת מודלינג סטטיסטי קפדני, למידה עמוקה ואימון אדברסרי במסגרת פורמליזציית min-max. אנו ממדלים את הבעיה כסיווג מונחה במרחב קלט מולטימודלי $X = X_t \times X_g \times X_v$, הכולל מאפיינים טקסטואליים, מבניים (גרפים הטרוגניים של דומיינים, כתובות IP, תעודות ויחסי ASN) וחזותיים. אנו מנסחים מחדש את היעד הקלאסי של מזעור הסיכון הצפוי בהקשר של סיכון אדברסרי חסון, תוך לכידה מפורשת של הפרעות המוגבלות על‑ידי $\epsilon$ ושל תרחישי היסחפות מושג (concept drift). הארכיטקטורה המוצעת משלבת Transformers מאומנים מראש, רשתות עצביות על גרפים הטרוגניים ורשתות קונבולוציוניות רזידואליות עמוקות, עם איחוי מאוחר מווסת. אנו מיישמים אימון אדברסרי המבוסס על Projected Gradient Descent (PGD) ומעריכים חסינות תחת מתקפות המוגבלות בנורמה $L_p$. המימוש, המבוסס על PyTorch 2.x, Apache Kafka ו‑Apache Flink, מדגים היתכנות תפעולית עם זמן שיהוי ממוצע של 12,4 ms לדגימה ותפוקה העולה על 80.000 אירועים לשנייה באשכול עם GPUs מסוג NVIDIA A100. במערך נתונים הכולל 1,54 מיליון מופעים מאוזנים, המודל משיג $F1 = 0{,}986 \pm 0{,}004$ ושיעור חיוביים שגויים של 0,92%, עם הידרדרות מבוקרת תחת מתקפה אדברסרית. אנו דנים בהשלכות של ממשל בינה מלאכותית, תאימות להנחיות NIST ויישור קו עם מסגרות לניהול סיכוני בינה מלאכותית. אנו מסיקים כי האינטגרציה בין מולטימודליות, אופטימיזציה חסונה ופרקטיקות מודרניות של הנדסת אבטחה מספקת שיפורים משמעותיים בעמידות בפני קמפייני פישינג אדפטיביים ומועצמים על‑ידי מודלי שפה גדולים.
Read paper →Researchכותרת: ארכיטקטורה הניתנת לאימות פורמלית לזיהוי ולמיטיגציה אדפטיבית של איומים מבוססי Living-off-the-Land בסביבות ארגוניות היברידיות
כותרת: ארכיטקטורה הניתנת לאימות פורמלית לזיהוי ולמיטיגציה אדפטיבית של איומים מבוססי Living-off-the-Land בסביבות ארגוניות היברידיות תקציר: האימוץ הגובר של ארכיטקטורות היברידיות ומרובת עננים, בצירוף התבססותם של מודלי Zero Trust ושילוב עומסי עבודה מסורתיים עם מערכות מבוססות בינה מלאכותית, הרחיב באופן משמעותי את משטח התקיפה הארגוני עד 2025. בהקשר זה, טכניקות Living-off-the-Land (LotL) נעשו דומיננטיות, תוך ניצול בינריים לגיטימיים וממשקי ניהול מקומיים לצורך התחמקות ממנגנוני זיהוי מסורתיים. אנו מציעים ארכיטקטורה המעוגנת פורמלית לזיהוי ולמיטיגציה אדפטיבית של איומי LotL, המשלבת גרפי מוצא זמניים, סטיית Kullback–Leibler עם סף אדפטיבי, ומידול של משחקים הסתברותיים בין גלאי לבין יריב המוגבל פולינומית. אנו מנסחים באופן פורמלי את הבעיה כניסוי התחמקות $\mathsf{LotL\text{-}Evasion}(n)$, ומגדירים אבטחה במונחים של הסתברות זניחה להתחמקות תחת סטייה סטטיסטית מזערית ניתנת למדידה. אנו מדגימים חסם עליון אקספוננציאלי להסתברות ההתחמקות כתלות בסטיית הווריאציה הכוללת ובגודל חלון התצפית, תוך שימוש באי־שוויונות Hoeffding ו-Pinsker. הארכיטקטורה המוצעת משלבת איסוף טלמטריה באמצעות eBPF, ETW ו-auditd, עיבוד זרמי באמצעות Apache Flink, נרמול לפי Elastic Common Schema ואינטגרציה לפלטפורמות CNAPP ו-SOAR, תוך שמירה על התאמה ל-NIST SP 800-207 ולפרקטיקות עכשוויות של ממשל בינה מלאכותית. הערכות ניסוייות באמצעות bootstrap ומבחן Wilcoxon מצביעות על ירידה מובהקת סטטיסטית בשיעור חיוביים כוזבים יחסיים ועל שיפור בזמן הזיהוי הממוצע בתרחישים רב-שלביים. כמו כן אנו דנים בהשלכות הקשורות ל-concept drift, לשלמות הטלמטריה ולהתקפות בסיוע מודלי שפה, וכן בהרחבות הכוללות שרשראות מרקוב חבויות, למידה פדרטיבית עם פרטיות דיפרנציאלית ואימות הסתברותי באמצעות PRISM. אנו מסכמים כי שילוב של מידול סיבתי ותורת המידע מאפשר לקבוע ערבויות פורמליות ועדות אמפירית חזקה למיטיגציה אדפטיבית של איומי LotL בסביבות ארגוניות עכשוויות.
Read paper →Researchכותרת: ARCUS: ארכיטקטורה עמידה ומאוחדת בהקשר לדיטקציה ובלימה אדפטיבית של איומים בסביבות מולטי-קלאוד
כותרת: ARCUS: ארכיטקטורה עמידה ומאוחדת בהקשר לדיטקציה ובלימה אדפטיבית של איומים בסביבות מולטי-קלאוד תקציר: ההתלכדות של ארכיטקטורות מולטי-קלאוד, מיקרו-שירותים מתוזמרים באמצעות Kubernetes, צינורות DevSecOps ותשתיות מוגדרות-קוד הגדירה מחדש את מרחב האיומים העכשווי. בשנת 2025, ארגונים פועלים בו-זמנית אצל ספקים כגון AWS, Azure ו-Google Cloud, ומשלבים שירותים מנוהלים, APIs ציבוריים, פונקציות serverless ועומסי עבודה מואצים באמצעות GPU עבור מודלים של בינה מלאכותית, כולל LLMs. הטרוגניות זו מרחיבה את משטח התקיפה, ומעודדת פשרות המבוססות על אישורים תקפים, התקפות על שרשרת האספקה של התוכנה וניצול פגיעויות ברכיבים מבוזרים באופן נרחב. אנו מציעים את ארכיטקטורת ARCUS (Arquitetura Resiliente e Contextualmente Unificada de Segurança), המשלבת מודל פורמלי, למידה עמוקה על גבי גרפים זמניים הסתברותיים ותזמור תגובות עם ערבויות הניתנות לאימות. אנו מדמים את סביבת המולטי-קלאוד כגרף זמני הסתברותי, שבו אירועים מיוצגים על ידי טופלים המועשרים במאפיינים הקשריים והסתברותיים. הדיטקציה מנוסחת כבעיית הסקה בייסיאנית על תת-גרפים זמניים, וממומשת באמצעות Graph Attention Networks עם הטמעה של אותות הקשריים ו-embeddings דינמיים. הבלימה מטופלת כבעיית תכנות ליניארי שלם מעורב (MILP), הכפופה למגבלות פורמליות הנגזרות ממדיניות אבטחה ומאינווריאנטים תפעוליים, ובכך מבטיחה נכונות חלקית ומגבלות השהיה. אנו מעריכים אמפירית את ההצעה על גבי בסיסים ציבוריים מוכרים רחב וכן בתרחישי מולטי-קלאוד סינתטיים, תוך השוואתה לגישות מסורתיות המבוססות על חתימות ולמודלים סדרתיים. התוצאות מדגימות שיפורים מובהקים סטטיסטית ב-AUC-ROC, ב-F1-score ובהפחתת השהיית הדיטקציה, תוך שמירה על שיעורי false positive מבוקרים. נוסף על כך, אנו דנים בהשלכות עבור סביבות עם עומסי עבודה של בינה מלאכותית גנרטיבית, אינטגרציה עם CNAPP ושימוש ב-eBPF לטלמטריה ברמה נמוכה. אנו מסיקים כי השילוב של מודל פורמלי, למידה על גבי גרפים ואופטימיזציה ניתנת לאימות מהווה גישה מבטיחה לאבטחה אדפטיבית באקוסיסטמות מולטי-קלאוד עכשוויות.
Read paper →ResearchARCUS: ארכיטקטורה עמידה ומאוחדת הקשרית לזיהוי ובלימה אדפטיבית של איומים בסביבות רב־ענן
TITLE: ARCUS: ארכיטקטורה עמידה ומאוחדת הקשרית לזיהוי ובלימה אדפטיבית של איומים בסביבות רב־ענן ABSTRACT: ההתבססות של ארכיטקטורות רב־ענן, מיקרו־שירותים המתוזמרים באמצעות Kubernetes, צינורות DevSecOps ותשתיות המוגדרות כקוד הגדירה מחדש את מרחב האיומים העכשווי. בשנת 2025 ארגונים פועלים בו־זמנית אצל ספקים כגון AWS, Azure ו‑Google Cloud, תוך שילוב שירותים מנוהלים, APIs ציבוריים, פונקציות serverless ועומסי עבודה עם האצת GPU עבור מודלים של בינה מלאכותית, כולל LLMs. הטרוגניות זו מרחיבה את משטח התקיפה ומעודדת פשרות המבוססות על אישורי גישה תקפים, מתקפות על שרשרת אספקת התוכנה וניצול פגיעויות ברכיבים מבוזרים בהיקף רחב. אנו מציעים את ארכיטקטורת ARCUS (Arquitetura Resiliente e Contextualmente Unificada de Segurança), המשלבת מודלינג פורמלי, למידה עמוקה על גרפים זמניים הסתברותיים ותזמור תגובות עם ערבויות הניתנות לאימות. אנו ממדלים את סביבת הרב־ענן כגרף זמני הסתברותי, שבו אירועים מיוצגים באמצעות טופלים המועשרים במאפיינים הקשריים והסתברותיים. הזיהוי מנוסח כבעיית הסקה בייסיאנית על תת־גרפים זמניים, ומיושם באמצעות Graph Attention Networks עם שילוב של אותות הקשריים ו‑embeddings דינמיים. הבלימה מטופלת כבעיית תכנות לינארי בשלמים מעורבים (MILP), בכפוף למגבלות פורמליות הנגזרות ממדיניות אבטחה ומאינווריאנטים תפעוליים, תוך הבטחת נכונות חלקית וגבולות השהיה. אנו מעריכים אמפירית את ההצעה על בסיסי נתונים ציבוריים מוכרים ובתרחישים סינתטיים של רב־ענן, ומשווים אותה לגישות מסורתיות המבוססות על חתימות ולמודלים סדרתיים. התוצאות מדגימות שיפורים מובהקים סטטיסטית ב‑AUC-ROC, ב‑F1-score ובהפחתת השהיית הזיהוי, תוך שמירה על שיעורי חיוב שגוי מבוקרים. בנוסף אנו דנים בהשלכות עבור סביבות עם עומסי עבודה של בינה מלאכותית גנרטיבית, באינטגרציה עם CNAPP ובשימוש ב‑eBPF עבור טלמטריה ברמת מערכת נמוכה. אנו מסיקים כי השילוב של מודלינג פורמלי, למידה על גרפים ואופטימיזציה הניתנת לאימות מהווה גישה מבטיחה לאבטחה אדפטיבית במערכות אקולוגיות רב־ענן עכשוויות.
Read paper →Researchכותרת: זיהוי הסתברותי וקורלציה זמנית של תנועה רוחבית המבוססת על גרפים דינמיים בסביבות ארגוניות היברידיות
כותרת: זיהוי הסתברותי וקורלציה זמנית של תנועה רוחבית המבוססת על גרפים דינמיים בסביבות ארגוניות היברידיות תקציר: ההתלכדות של סביבות ארגוניות היברידיות — המשלבות Active Directory מקומי, Microsoft Entra ID, מספר עננים ציבוריים, עומסי עבודה מכוללים ויישומי SaaS — הרחיבה משמעותית את משטח התקיפה ואת המורכבות המבנית של התלויות בזהות וברשת. בהקשר זה, תנועה רוחבית נותרה שלב קריטי בשרשראות תקיפה עכשוויות, במיוחד בתרחישים של ransomware, ריגול ופשרת חשבונות תקפים. אנו מציעים מודל פורמלי של זיהוי הסתברותי המבוסס על גרפים דינמיים זמניים עם הסקה בייסיאנית אינקרמנטלית, המתוכנן ללכוד דפוסי multi-hop של אימות וגישה מרחוק בזרמי טלמטריה הטרוגניים. אנו מנסחים את הגרף הזמני כמשפחה מאונדקסת $\{G_t\}_{t \in T}$ ומדגמנים את ההסתברות ללגיטימיות של מסלולים כמכפלת הסתברויות מותנות הפרמטריזות באמצעות עדכון מעריכי אדפטיבי. אנו מדגימים תכונות של שלמות תחת גיזום מונוטוני עם סף $\tau$, מנתחים את המורכבות האסימפטוטית של אלגוריתם האִלּוּץ המוגבל לעומק, ודנים בהשפעת בעיית שיעור הבסיס על כיול חיובי-שגוי. אנו משלבים את המודל בארכיטקטורות מודרניות של עיבוד בזרם (Kafka ו-Flink) ובקיימות מוכוונת גרפים, עם אינטרופרטביליות באמצעות Sigma ומיפוי MITRE ATT&CK. אנו מעריכים ניסויית את הגישה באמצעות ולידציה זמנית מחמירה, תוך השוואה לכללים סטטיים ולשיטות לא מונחות כגון Isolation Forest, ומבחינים בהפחתה עקבית של חיובי-שגוי תחת אילוצים תפעוליים ריאליסטיים. אנו דנים במגבלות הקשורות להשערת העצמאות המותנית, לשלמות הטלמטריה ולהתאמתיות אדברסרית, וכן בהשלכות על אבטחה בסביבות עם CNAPP, eBPF וזיהוי שימוש לרעה בזהויות מאוחדות. אנו מסכמים כי מידול הסתברותי מבני מציע פשרה מיטבית בין פרשנות, קפדנות פורמלית וישימות תפעולית, ומהווה בסיס מוצק להרחבות עתידיות הכוללות Graph Neural Networks זמניים והערכה אדברסרית פורמלית.
Read paper →Researchכותרת: זיהוי הסתברותי וקורלציה זמנית של תנועת Lateral המבוססת על גרפים דינמיים בסביבות ארגוניות היברידיות
כותרת: זיהוי הסתברותי וקורלציה זמנית של תנועת Lateral המבוססת על גרפים דינמיים בסביבות ארגוניות היברידיות תקציר: ההתכנסות של סביבות ארגוניות היברידיות — המשלבות Active Directory on-premises, Microsoft Entra ID, עננים ציבוריים מרובים, workloads מוכללים בקונטיינרים ויישומי SaaS — הרחיבה באופן משמעותי את משטח התקיפה ואת המורכבות המבנית של תלויות זהות ורשת. בהקשר זה, תנועת Lateral נותרת שלב קריטי בשרשראות תקיפה עכשוויות, במיוחד בתרחישים של ransomware, ריגול ופשרה של חשבונות תקפים. אנו מציעים מודל פורמלי לזיהוי הסתברותי המבוסס על גרפים דינמיים זמניים עם הסקה בייסיאנית מצטברת, שנועד ללכוד דפוסי multi-hop של אימות וגישה מרחוק בזרמי telemetry הטרוגניים. אנו מגדירים את הגרף הזמני כמשפחה מאונדקסת ${G_t}_{t \\in T}$ ומדגמים את ההסתברות ללגיטימיות של מסלולים כמכפלת הסתברויות מותנות הפרמטריזציה באמצעות עדכון אקספוננציאלי אדפטיבי. אנו מדגימים תכונות של שלמות תחת pruning מונוטוני עם סף $\\tau$, מנתחים את הסיבוכיות האסימפטוטית של אלגוריתם האנקוב 제한-depth מוגבל, ודנים בהשפעת בעיית שיעור הבסיס על כיול false positives. אנו משלבים את המודל בארכיטקטורות מודרניות של עיבוד בזרימה (Kafka ו-Flink) ובאחסון מוכוון-גרפים, עם אינטרופרביליות באמצעות Sigma ומיפוי MITRE ATT&CK. אנו מעריכים באופן ניסויי את הגישה עם ולידציה זמנית קפדנית, בהשוואה לכללים סטטיים ולשיטות לא מונחות כמו Isolation Forest, ומבחינים בהפחתה עקבית של false positives תחת אילוצים תפעוליים ריאליסטיים. אנו דנים במגבלות הקשורות להנחת העצמאות המותנית, לשלמות ה-telemetry, ולאדפטיביות היריב, וכן בהשלכות עבור אבטחה בסביבות עם CNAPP, eBPF וזיהוי של abuse של זהויות מאוחדות. אנו מסיקים כי מידול הסתברותי מבני מציע פשרה מיטבית בין פרשנות, קפדנות פורמלית וישימות תפעולית, ומהווה בסיס מוצק להרחבות עתידיות הכוללות Graph Neural Networks זמניות והערכה יריבית פורמלית.
Read paper →Researchכותרת: זיהוי הסתברותי וקורלציה טמפורלית של תנועה רוחבית מבוססת גרפים דינמיים בסביבות ארגוניות היברידיות
כותרת: זיהוי הסתברותי וקורלציה טמפורלית של תנועה רוחבית מבוססת גרפים דינמיים בסביבות ארגוניות היברידיות תקציר: האיחוד של סביבות ארגוניות היברידיות — המשלבות Active Directory מקומי, Microsoft Entra ID, מספר עננים ציבוריים, עומסי עבודה קונטיינריים ויישומי SaaS — הרחיב באופן משמעותי את משטח התקיפה ואת המורכבות המבנית של תלויות זהות ורשת. בהקשר זה, תנועה רוחבית נותרת שלב קריטי בשרשראות תקיפה עכשוויות, במיוחד בתרחישים של ransomware, ריגול ופשרה של חשבונות תקפים. אנו מציעים מודל פורמלי לזיהוי הסתברותי המבוסס על גרפים דינמיים טמפורליים עם היסק בייסיאני אינקרמנטלי, שנועד ללכוד דפוסים מרובי-קפיצות של אימות וגישה מרחוק בזרמי טלמטריה הטרוגניים. אנו מנסחים את הגרף הטמפורלי כמשפחה מאונדקסת $\{G_t\}_{t \in T}$ ומדמים את ההסתברות ללגיטימיות של מסלולים כמכפלה של הסתברויות מותנות הממופתחות על ידי עדכון מעריכי אדפטיבי. אנו מדגימים תכונות של שלמות תחת גיזום מונוטוני עם סף $\tau$, מנתחים את הסיבוכיות האסימפטוטית של אלגוריתם מניית העומק המוגבל, ודנים בהשפעת בעיית שיעור הבסיס על כיול חיוביים שגויים. אנו משלבים את המודל בארכיטקטורות מודרניות של עיבוד בזרימה (Kafka ו-Flink) ובקיום ממוקד-גרפים, עם תאימות הדדית באמצעות Sigma ומיפוי MITRE ATT&CK. אנו מעריכים ניסויית את הגישה עם ולידציה טמפורלית מחמירה, ומשווים אותה לכללים סטטיים ולשיטות לא-מונחות כגון Isolation Forest, תוך התבוננות בירידה עקבית בחיוביים שגויים תחת מגבלות תפעוליות מציאותיות. אנו דנים במגבלות הקשורות להנחת העצמאות המותנית, לשלמות הטלמטריה ולהסתגלות יריבה, וכן בהשלכות עבור אבטחה בסביבות עם CNAPP, eBPF וזיהוי של שימוש לרעה בזהויות מאוחדות. אנו מסכמים כי מידול הסתברותי מבני מציע פשרה חיובית בין פרשנות, קפדנות פורמלית וישימות תפעולית, ומהווה בסיס מוצק להרחבות עתידיות הכוללות Graph Neural Networks טמפורליות והערכה יריבה פורמלית.
Read paper →ResearchARCUS: ארכיטקטורה עמידה עם קורלציה מאוחדת וסמנטית לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות
TITLE: ARCUS: ארכיטקטורה עמידה עם קורלציה מאוחדת וסמנטית לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות ABSTRACT: ההתרחבות המואצת של ארכיטקטורות היברידיות ו‑multi‑cloud, בשילוב עם אימוץ פרקטיקות DevSecOps, עומסי עבודה אפמרליים ואינטגרציה של רכיבים מבוססי בינה מלאכותית, הרחיבה משמעותית את שטח התקיפה הארגוני עד לשנת 2025. דוחות עדכניים מצביעים על כך שהפרות ממשיכות לנצל פגיעויות ידועות, הנדסה חברתית ושרשראות אספקה, בעוד שאיומים חדשים מתפתחים סביב מודלי שפה גדולים (LLMs), APIs חשופים וזהויות פדרטיביות. בהקשר זה, מנגנוני SIEM מסורתיים, המבוססים בעיקר על קורלציה תחבירית וכללים סטטיים, מראים מגבלות מבניות בלכידת תלותיות זמניות וסמנטיות מבוזרות. אנו מציעים את ARCUS, ארכיטקטורה המבוססת פורמלית המשלבת אונטולוגיה סמנטית המיושרת עם MITRE ATT&CK ו‑NIST SP 800‑61, גרפים זמניים דינמיים והסקה היברידית המשלבת Graph Neural Networks (GNNs) וזיהוי סטטיסטי אינקרמנטלי. אנו מנסחים אירועים כטופלים מובנים ומדגמים את התפתחות המערכת באמצעות גרף זמני $G_t$, תוך שמירה על תכונות עדכון אינקרמנטליות עם סיבוכיות אמורטית קבועה תחת הנחות מציאותיות של אינדוקס. אנו מגדירים את בעיית הזיהוי כהחלטה בייסיאנית תחת סף $\tau$, עם פונקציית הפסד מורכבת המאזנת בין סיווג מונחה לבין ניקוד אנומליות. הערכנו את ARCUS על נתונים אמיתיים מאונימיזים, DARPA Transparent Computing ו‑Atomic Red Team, והשגנו דיוק ממוצע של 96.9%, recall של 97.8% והפחתה של 43% בשיעור החיוביים השגויים בהשוואה ל‑baseline SIEM תעשייתי, בנוסף לירידה של 79% בזמן הזיהוי הממוצע. אנו דנים בתכונות הסתברותיות רצויות, בסקלביליות תפעולית (3.2 מיליארד אירועים ביום) ובאינטגרציה עם CNAPP ו‑SOAR. אנו מסיקים כי קורלציה סמנטית מונחית‑גרפים, בשילוב עם הסקה אינקרמנטלית, מספקת בסיס קפדני וישים תפעולית לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות עכשוויות.
Read paper →Researchכותרת: ARCUS: ארכיטקטורה עמידה עם קורלציה מאוחדת וסמנטית לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות
כותרת: ARCUS: ארכיטקטורה עמידה עם קורלציה מאוחדת וסמנטית לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות תקציר: ההתרחבות המואצת של ארכיטקטורות היברידיות ו-multi-cloud, בשילוב עם אימוץ פרקטיקות DevSecOps, עומסי עבודה ארעיים ואינטגרציה של רכיבים מבוססי בינה מלאכותית, הרחיבה באופן משמעותי את משטח התקיפה הארגוני עד 2025. דוחות עדכניים מצביעים על כך שפריצות ממשיכות לנצל פגיעויות ידועות, הנדסה חברתית ושרשראות אספקה, בעוד איומים חדשים מתפתחים סביב מודלי שפה גדולים (LLMs), APIs חשופים וזהויות מאוחדות. בהקשר זה, מנגנוני SIEM מסורתיים, המבוססים בעיקר על קורלציה תחבירית וכללים סטטיים, מציגים מגבלות מבניות בלכידת תלויות זמניות וסמנטיות מבוזרות. אנו מציעים ARCUS, ארכיטקטורה בעלת ביסוס פורמלי המשלבת אונטולוגיה סמנטית המיושרת ל-MITRE ATT&CK ול-NIST SP 800-61, גרפים זמניים דינמיים והסקה היברידית המשלבת Graph Neural Networks (GNNs) וזיהוי סטטיסטי אינקרמנטלי. אנו מנסחים אירועים כטופלים מובְנים ומדַמים את התפתחות המערכת באמצעות גרף זמני $G_t$, תוך שמירה על תכונות של עדכון אינקרמנטלי עם סיבוכיות אמורטית קבועה תחת הנחות אינדוקס ריאליסטיות. אנו מגדירים את בעיית הזיהוי כהחלטה בייסיאנית תחת סף $\tau$, עם פונקציית הפסד מורכבת המאזנת בין סיווג מפוקח לבין ציון אנומליה. הערכנו את ARCUS על נתונים אמיתיים אנונימיים, DARPA Transparent Computing ו-Atomic Red Team, והשגנו דיוק ממוצע של 96.9%, Recall של 97.8% והפחתה של 43% בשיעור החיוביים השגויים בהשוואה ל-baseline תעשייתי של SIEM, וכן ירידה של 79% בזמן הזיהוי הממוצע. אנו דנים בתכונות הסתברותיות רצויות, מדרגיות תפעולית (3.2 מיליארד אירועים/יום) ואינטגרציה עם CNAPP ו-SOAR. אנו מסיקים כי קורלציה סמנטית מונחית-גרפים, בשילוב הסקה אינקרמנטלית, מספקת בסיס קפדני ובר-יישום תפעולי לזיהוי אדפטיבי של איומים מתקדמים בסביבות היברידיות עכשוויות.
Read paper →Researchארכיטקטורה אדפטיבית לזיהוי פרואקטיבי של איומים מתמידים מתקדמים המבוססת על קורלציה זמנית רב־שכבתית והסקה סטטיסטית רובסטית
TITLE: ארכיטקטורה אדפטיבית לזיהוי פרואקטיבי של איומים מתמידים מתקדמים המבוססת על קורלציה זמנית רב־שכבתית והסקה סטטיסטית רובסטית ABSTRACT: המורכבות ההולכת וגוברת של תשתיות דיגיטליות בשנת 2025 — המאופיינות בארכיטקטורות היברידיות, סביבות multicloud, מיקרו־שירותים, מחשוב מונחה־אירועים, עומסי עבודה במכולות, ושילוב מודלים של למידת מכונה ו‑LLMs — הרחיבה באופן משמעותי את משטח התקיפה הארגוני. איומים מתמידים מתקדמים (APTs) מנצלים שרשראות רב־שלביות החוצות שכבות רשת, מארח, יישום וזהות, ולעיתים קרובות משלבים ניצול פגיעויות ידועות, שימוש לרעה בהרשאות תקפות ומניפולציה חלקית של רישומים. מערכות זיהוי מסורתיות, המבוססות על חתימות או על מסווגים מונחים מבודדים, מציגות מגבלות בלכידת תלותיות זמניות מורכבות ובחוסן מול זיהום אדברסרי. בעבודה זו אנו מציעים ארכיטקטורה אדפטיבית המבוססת על קורלציה זמנית רב־שכבתית הממודלת באמצעות גרפים דינמיים המשוקללים על ידי M‑estimators רובסטיים, בשילוב הסקה בייסיאנית דינמית המובנית באמצעות ידע מוקדם ממסגרת MITRE ATT&CK. אנו ממסגרים פורמלית את הבעיה תחת מודל זיהום $\epsilon$‑אדברסרי ומדגימים תנאי עקביות סטטיסטית עבור האומדים המיושמים. יישמנו את הארכיטקטורה בסביבה מבוזרת עם קליטה בקנה מידה גדול, אינטגרציה עם טלמטריה מבוססת eBPF ואורקסטרציה במכולות, והשגנו עיבוד מתמשך של 95,000 אירועים לשנייה עם השהיה ממוצעת הנמוכה מ‑500 ms. הערכנו את השיטה על מערכי נתונים ציבוריים (CIC-IDS2017, UNSW-NB15), על מערך הנתונים CIC-IDS2018 ועל אוסף ארגוני הכולל 4.2 מיליארד אירועים. התוצאות מצביעות על עלייה משמעותית ב‑TPR (96.4%) והפחתה ב‑FPR (2.1%) בהשוואה ל‑Random Forest, LSTM ו‑Isolation Forest, עם חוסן עדיף תחת זיהום $\epsilon=0{,}15$. בנוסף הדגמנו הפחתה בזמן הממוצע לזיהוי (MTTD) ושיפור בפרשנות התפעולית. אנו מסיקים כי האינטגרציה הפורמלית בין סטטיסטיקה רובסטית, מידול גרפי זמני וידע מובנה של טקטיקות אדברסריות מהווה גישה מבטיחה לזיהוי פרואקטיבי של APTs בסביבות ארגוניות מודרניות.
Read paper →Researchכותרת: ארכיטקטורה אדפטיבית לזיהוי פרואקטיבי של איומי Persistent Advanced מתמשכים מבוססת על קורלציה זמנית רב-שכבתית והסקה סטטיסטית רובסטית
כותרת: ארכיטקטורה אדפטיבית לזיהוי פרואקטיבי של איומי Persistent Advanced מתמשכים מבוססת על קורלציה זמנית רב-שכבתית והסקה סטטיסטית רובסטית תקציר: המורכבות הגוברת של התשתיות הדיגיטליות בשנת 2025 — המתאפיינות בארכיטקטורות היברידיות, סביבות רב-ענן, מיקרו-שירותים, מחשוב מונחה-אירועים, עומסי עבודה בקונטיינרים, ואינטגרציה של מודלים של למידת מכונה ו-LLMs — הרחיבה באופן משמעותי את משטח התקיפה הארגוני. איומי Persistent Advanced (APTs) מנצלים שרשראות רב-שלביות החוצות שכבות רשת, מארח, יישום וזהות, ולעיתים קרובות משלבות ניצול של פגיעויות ידועות, שימוש לרעה באישורים תקפים ומניפולציה חלקית של רשומות. מערכות זיהוי מסורתיות, המבוססות על חתימות או על מסווגים מונחים מבודדים, מציגות מגבלות בלכידת תלות זמנית מורכבת וברובסטיות מול זיהום עוין. בעבודה זו אנו מציעים ארכיטקטורה אדפטיבית המבוססת על קורלציה זמנית רב-שכבתית שמודלת באמצעות גרפים דינמיים הממושקללים על ידי M-estimators רובסטיים, בשילוב עם הסקה בייסיאנית דינמית המובנית על ידי ידע מוקדם מתוך framework MITRE ATT&CK. אנו מנסחים פורמלית את הבעיה תחת מודל זיהום $\\epsilon$-עויין ומדגימים תנאים לעקביות סטטיסטית של האומדנים שבהם נעשה שימוש. מימשנו את הארכיטקטורה בסביבה מבוזרת עם קליטה בהיקף גדול, אינטגרציה לטלמטריה מבוססת eBPF ותזמור בקונטיינרים, והשגנו עיבוד מתמשך של 95,000 אירועים לשנייה עם שיהוי ממוצע הנמוך מ-500 ms. הערכנו את השיטה על גבי datasets ציבוריים (CIC-IDS2017, UNSW-NB15), על dataset CIC-IDS2018 ועל מאגר ארגוני הכולל 4.2 מיליארד אירועים. התוצאות מצביעות על עלייה משמעותית ב-TPR (96.4%) והפחתה ב-FPR (2.1%) בהשוואה ל-Random Forest, LSTM ו-Isolation Forest, עם רובסטיות עדיפה תחת זיהום $\\epsilon=0{,}15$. בנוסף, הדגמנו ירידה בזמן הגילוי הממוצע (MTTD) ושיפור בפרשנות התפעולית. אנו מסיקים כי האינטגרציה הפורמלית בין סטטיסטיקה רובסטית, מודל גרפי זמני וידע מובנה של טקטיקות עוינות מהווה גישה מבטיחה לזיהוי פרואקטיבי של APTs בסביבות ארגוניות עכשוויות.
Read paper →Cryptoכותרת: CryptoResilient: ארכיטקטורה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלית להפחתת התקפות מתקדמות בתשתיות מבוזרות
כותרת: CryptoResilient: ארכיטקטורה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלית להפחתת התקפות מתקדמות בתשתיות מבוזרות תקציר: המורכבות הגוברת של תשתיות מבוזרות עכשוויות, המאופיינות במיקרו-שירותים, סביבות multi-cloud, מחשוב חסוי ואינטגרציה עם מערכות מבוססות בינה מלאכותית, מציבה אתגרים חדשים להנדסה קריפטוגרפית. אף על פי שפרימיטיבים מודרניים כגון TLS 1.3 ומצבי AEAD מספקים הבטחות פורמליות חזקות, אירועים אחרונים מדגימים כי האבטחה המערכתית תלויה באופן קריטי בניהול דינמי של מפתחות, במימוש נכון ובהתאמה מתמשכת למודלי איום מתפתחים. בעבודה זו אנו מציעים את הארכיטקטורה CryptoResilient, גישה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלית המשלבת ניטור סיכון מתמשך, תזמור דינמי של מדיניות קריפטוגרפית ואימות פורמלי אינקרמנטלי המבוסס על SMT. אנו ממformalיזים את בעיית האדפטיביות הקריפטוגרפית כמשחק הסתברותי נגד יריב אדפטיבי עם תצפית חלקית, ומגדירים מדד כמותי של חשיפה זמנית של מפתחות. אנו מדגימים, תחת הנחות מפורשות, כי סבב מפתחות אדפטיבי המותנה במדדי סיכון מפחית באופן ליניארי את החשיפה הצפויה בהשוואה לאסטרטגיות תקופתיות קבועות. מימשנו אב-טיפוס ב-Kubernetes 1.29, תוך שימוש ב-OpenSSL 3.2, ב-HashiCorp Vault, ב-HSM תואם ל-PKCS11 v3.1, ובאינטגרציה עם מנגנוני observability באמצעות Prometheus ו-eBPF. בנוסף, שילבנו מנגנוני crypto-agility התואמים אלגוריתמים פוסט-קוונטיים שהותקנו על ידי ה-NIST בשנת 2024, כגון CRYSTALS-Kyber ו-CRYSTALS-Dilithium. הערכנו אמפירית את המערכת ב-cluster של 64 nodes תחת עומס של 40,000 בקשות לשנייה, והבחַנו בהפחתה מובהקת סטטיסטית של חלון החשיפה הממוצע למפתחות שנפגעו, עם overhead הנמוך מ-7% ב-throughput. התוצאות מצביעות על כך שהאינטגרציה בין אדפטיביות קריפטוגרפית לבין אימות פורמלי מתמשך היא ישימה בסביבות production, ומציעה רווחים מדידים של חוסן כנגד התקפות replay, פגיעה חלקית ב-nodes וטכניקות המתועדות ב-MITRE ATT&CK. אנו מסכמים בדיון על ההשלכות עבור governance קריפטוגרפי, תאימות רגולטורית ומעבר לתרחישים פוסט-קוונטיים.
Read paper →CryptoCryptoResilient: ארכיטקטורה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלי למיתון מתקפות מתקדמות בתשתיות מבוזרות
TITLE: CryptoResilient: ארכיטקטורה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלי למיתון מתקפות מתקדמות בתשתיות מבוזרות ABSTRACT: המורכבות ההולכת וגדלה של תשתיות מבוזרות מודרניות, המאופיינות במיקרו־שירותים, סביבות רב־ענניות, מחשוב חסוי ואינטגרציה עם מערכות מבוססות בינה מלאכותית, מציבה אתגרים חדשים להנדסה קריפטוגרפית. אף כי פרימיטיבים מודרניים כגון TLS 1.3 ומצבי AEAD מספקים ערבויות פורמליות חזקות, תקריות אחרונות מראות כי הביטחון המערכתי תלוי באופן קריטי בניהול דינמי של מפתחות, במימוש נכון ובהסתגלות מתמשכת למודלי איום מתפתחים. בעבודה זו אנו מציעים את הארכיטקטורה CryptoResilient, גישה קריפטוגרפית אדפטיבית וניתנת לאימות פורמלי המשלבת ניטור סיכונים מתמשך, אורקסטרציה דינמית של מדיניות קריפטוגרפית ואימות פורמלי אינקרמנטלי המבוסס על SMT. אנו מנסחים את בעיית האדפטיביות הקריפטוגרפית כמשחק הסתברותי נגד יריב אדפטיבי בעל תצפית חלקית, ומגדירים מדד כמותי לחשיפה זמנית של מפתחות. אנו מדגימים, תחת הנחות מפורשות, כי רוטציה אדפטיבית המותנית באינדיקטורי סיכון מפחיתה באופן ליניארי את החשיפה הצפויה בהשוואה לאסטרטגיות מחזוריות קבועות. מימשנו אב־טיפוס על Kubernetes 1.29, תוך שימוש ב‑OpenSSL 3.2, HashiCorp Vault, HSM תואם PKCS11 v3.1, ואינטגרציה עם מנגנוני תצפיתיות באמצעות Prometheus ו‑eBPF. בנוסף, שילבנו מנגנוני crypto‑agility התואמים לאלגוריתמים פוסט־קוונטיים שתוקננו על ידי NIST בשנת 2024, כגון CRYSTALS‑Kyber ו‑CRYSTALS‑Dilithium. הערכנו אמפירית את המערכת באשכול של 64 צמתים תחת עומס של 40,000 בקשות לשנייה, וצפינו בהפחתה מובהקת סטטיסטית של חלון החשיפה הממוצע למפתחות שנפרצו, עם תקורה של פחות מ‑7% ב‑throughput. התוצאות מצביעות על כך שהאינטגרציה בין אדפטיביות קריפטוגרפית לבין אימות פורמלי מתמשך היא ישימה בסביבות ייצור, ומספקת שיפורים מדידים בעמידות מול מתקפות replay, פשרה חלקית של צמתים וטכניקות המתועדות במסגרת MITRE ATT&CK. אנו מסכמים בדיון בהשלכות על ממשל קריפטוגרפי, תאימות רגולטורית ומעבר לתרחישים פוסט־קוונטיים.
Read paper →Cryptoכותרת: קריפטואנליזה התנהגותית וניטור אדפטיבי של מפתחות בתשתיות היברידיות: ארכיטקטורה קריפטוגרפית עמידה לאיומים מתקדמים ומתמשכים
כותרת: קריפטואנליזה התנהגותית וניטור אדפטיבי של מפתחות בתשתיות היברידיות: ארכיטקטורה קריפטוגרפית עמידה לאיומים מתקדמים ומתמשכים תקציר: המורכבות הגוברת של תשתיות היברידיות, המשלבות סביבות on-premises, עננים ציבוריים ופרטיים, edge computing ו-workloads מבוססי בינה מלאכותית, מציבה אתגרים חדשים לאבטחה קריפטוגרפית בשנת 2025. התרחבותן של ארכיטקטורות Zero Trust, האימוץ של קריפטוגרפיה פוסט-קוונטית והשימוש המאסיבי במודלי שפה גדולים (LLMs) הרחיבו את משטח התקיפה, במיוחד בכל הנוגע לניהול ולמחזור החיים של מפתחות קריפטוגרפיים. בעבודה זו אנו מציעים ארכיטקטורה פורמלית של קריפטואנליזה התנהגותית בשילוב עם ניטור אדפטיבי של מפתחות, המתוכננת לזהות ולהפחית איומים מתקדמים ומתמשכים (APTs) בתשתיות היברידיות. אנו מבססים את הצעתנו על מודלים פורמליים של אבטחה המבוססים על משחקים, ניתוח הסתברותי של סטיות התנהגותיות ואימות של תכונות אבטחה באמצעות אינווריאנטים קריפטוגרפיים. אנו מציגים מודל מתמטי לגילוי המבוסס על סטייה סטטיסטית ולמידת מכונה חסינה להרעלת נתונים, תוך שילוב טלמטריה המגיעה מ-eBPF, מ-CNAPPs (Cloud-Native Application Protection Platforms) וממערכות לניהול מפתחות התואמות ל-FIPS 140-3. הערכנו את הארכיטקטורה תחת תרחישים מציאותיים הכוללים חילוץ מפתחות, התקפות lateralization באשכולות Kubernetes וניצול של צינורות MLOps. התוצאות מצביעות על הפחתה משמעותית של זמן הגילוי הממוצע (MTTD) ועל חיזוק ערבויות הסודיות והשלמות תחת מודל התוקף האדפטיבי. נוסף על כך, הדגמנו את התאמת ההצעה לאלגוריתמים פוסט-קוונטיים שהותקנו כתקן על ידי NIST, כגון CRYSTALS-Kyber ו-CRYSTALS-Dilithium, תוך שמירה על תכונות אבטחה פורמליות. אנו מסיקים כי השילוב בין קריפטואנליזה התנהגותית לניטור אדפטיבי מהווה פרדיגמה מבטיחה להגנה קריפטוגרפית עמידה באקוסיסטמות דיגיטליות עכשוויות.
Read paper →Cryptoכותרת: CriptoResiliente: ארכיטקטורה אדפטיבית ומאומתת פורמלית לצמצום כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גדול
כותרת: CriptoResiliente: ארכיטקטורה אדפטיבית ומאומתת פורמלית לצמצום כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גדול תקציר: הקריפטוגרפיה המודרנית מהווה את אבן היסוד של האבטחה במערכות מבוזרות, ומבטיחה סודיות, שלמות, אותנטיות ואי-הכחשה. אף כי פרימיטיבים כגון AES, RSA, ECDSA ופרוטוקול TLS 1.3 נותרים מאובטחים פורמלית תחת הנחות חישוביות קלאסיות, הניסיון האמפירי מראה כי מרבית התקריות נובעות מכשלים ביישום, בהגדרות, בניהול מפתחות ובאינטגרציה מערכתית. בשנת 2025, המעבר לתקנים פוסט-קוונטיים של NIST, האימוץ ההמוני של ארכיטקטורות native בענן, CNAPP (Cloud-Native Application Protection Platforms), אינסטרומנטציה באמצעות eBPF והטמעה של רכיבים מבוססי IA/LLMs מרחיבים באופן משמעותי את משטח התקיפה ואת המורכבות התפעולית. בעבודה זו אנו מציעים את CriptoResiliente, ארכיטקטורה קריפטוגרפית אדפטיבית עם אימות פורמלי מצטבר, שנועדה לצמצם כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גדול. אנו מציגים מודל מתמטי של סיכון R(k,t) עבור מפתחות קריפטוגרפיים, הכולל זמן חשיפה, פגיעויות נלוות ועוצמת התקפות נצפות, ומנסחים בעיית אופטימיזציה הכפופה למגבלות עלות חישובית. אנו מראים שמדיניות רוטציה מונחית-סיכון מפחיתה באופן משמעותי את זמן החשיפה הממוצע תחת מודל יריב עם שליטה ברשת ופשרה חלקית של צמתים. מימשנו אבטיפוס ב-Kubernetes 1.29 עם TLS 1.3 היברידי (X25519 + ML-KEM), אינטגרציה עם HSM תואם ל-FIPS 140-3, טלמטריה באמצעות eBPF ו-Prometheus, ואימות פורמלי באמצעות ProVerif. בהערכה ניסויית עם עד 10^7 סשני TLS ליום, נצפתה הפחתה של 73.4% בזמן החשיפה הממוצע ו-overhead הנמוך מ-10%, עם מובהקות סטטיסטית (p < 0.01). אנו מסיקים כי השילוב של קריפטוגרפיה זריזה, ניטור מונחה-סיכון ואימות פורמלי מצטבר מהווה גישה ישימה וברת-התרחבות לאבטחה קריפטוגרפית עמידה בשנת 2025, לרבות תחת דרישות מעבר פוסט-קוונטי וממשל בינה מלאכותית.
Read paper →CryptoCriptoResiliente: ארכיטקטורה אדפטיבית ומאומתת פורמלית למיתון כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גבוה
TITLE: CriptoResiliente: ארכיטקטורה אדפטיבית ומאומתת פורמלית למיתון כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גבוה ABSTRACT: הקריפטוגרפיה המודרנית מהווה את אבן היסוד של האבטחה במערכות מבוזרות, ומבטיחה סודיות, שלמות, אותנטיות ואי־התכחשות. אף כי פרימיטיבים כגון AES, RSA, ECDSA והפרוטוקול TLS 1.3 נותרים בטוחים פורמלית תחת הנחות חישוביות קלאסיות, הניסיון האמפירי מראה שרוב התקריות נובעות מכשלים במימוש, בתצורה, בניהול מפתחות ובאינטגרציה מערכתית. בשנת 2025, המעבר לתקנים פוסט־קוונטיים של NIST, האימוץ הנרחב של ארכיטקטורות ענן־ילידיות, CNAPP (Cloud-Native Application Protection Platforms), אינסטרומנטציה באמצעות eBPF והטמעת רכיבים המבוססים על IA/LLMs מרחיבים באופן משמעותי את משטח התקיפה ואת המורכבות התפעולית. בעבודה זו אנו מציעים את CriptoResiliente, ארכיטקטורה קריפטוגרפית אדפטיבית עם אימות פורמלי אינקרמנטלי, המתוכננת למתן כשלים קריפטוגרפיים בסביבות מבוזרות בקנה מידה גבוה. אנו מציגים מודל מתמטי של סיכון $R(k,t)$ עבור מפתחות קריפטוגרפיים, המשלב זמן חשיפה, פגיעויות משויכות ועוצמת מתקפות נצפית, ומנסחים בעיית אופטימיזציה הכפופה למגבלות של עלות חישובית. אנו מדגימים כי מדיניות סבב מפתחות מונחית־סיכון מפחיתה באופן משמעותי את זמן החשיפה הממוצע תחת מודל יריב בעל שליטה ברשת ופגיעה חלקית בצמתים. מימשנו אב־טיפוס ב‑Kubernetes 1.29 עם TLS 1.3 היברידי (X25519 + ML-KEM), אינטגרציה עם HSM תואם FIPS 140-3, טלמטריה באמצעות eBPF ו‑Prometheus, ואימות פורמלי באמצעות ProVerif. בהערכה ניסויית עם עד $10^7$ סשני TLS ביום, צפינו בהפחתה של 73,4% בזמן החשיפה הממוצע ובתקורת ביצועים הנמוכה מ‑10%, עם מובהקות סטטיסטית ($p < 0{,}01$). אנו מסיקים כי השילוב של קריפטוגרפיה אג'ילית, ניטור מונחה־סיכון ואימות פורמלי אינקרמנטלי מהווה גישה ישימה וברת־סקייל לאבטחה קריפטוגרפית עמידה בשנת 2025, לרבות תחת דרישות של מעבר פוסט־קוונטי וממשל בינה מלאכותית.
Read paper →Cryptoכותרת: ארכיטקטורת קריפטוגרפיה אדפטיבית עם הוכחות תקינות פוסט-קוונטיות עבור תשתיות קריטיות מבוזרות
כותרת: ארכיטקטורת קריפטוגרפיה אדפטיבית עם הוכחות תקינות פוסט-קוונטיות עבור תשתיות קריטיות מבוזרות תקציר: המעבר לקריפטוגרפיה פוסט-קוונטית מציב אתגרים מהותיים לאבטחת תשתיות קריטיות מבוזרות, במיוחד לנוכח הצורך לשמר יכולת פעולה הדדית, ביצועים והבטחות פורמליות לאבטחה במהלך תקופת ההגירה. בעבודה זו אנו מציעים את הארכיטקטורה הקריפטוגרפית האדפטיבית עם הוכחות תקינות פוסט-קוונטיות (ACAPQ), מודל היברידי המשלב פרימיטיבים קלאסיים ופוסט-קוונטיים עם מנגנונים פורמליים של אטסטציה מתמשכת לתקינות. אנו מבססים את הסודיות על קומפוזיציה עמידה בין ECDHE ו-CRYSTALS-Kyber, עם גזירת מפתחות באמצעות HKDF המאומת על-ידי ה-transcript המלא של ה-handshake, ובכך מפחיתים התקפות downgrade. לצורך תקינות ואותנטיות של מצב, אנו מציגים פרוטוקול אטסטציה המבוסס על עצי מרקל ועל חתימות CRYSTALS-Dilithium, המספק הבטחות הסתברותיות הניתנות לכימות תחת עמידות בפני second pre-image ו-EUF-CMA. אנו פורמליזמים את מודל האיום בפרדיגמה החישובית עם יריב הסתברותי פולינומי בעל יכולת יירוט פעילה, פגיעה אדפטיבית חלקית וכוח חישוב קוונטי המעוצב על-ידי המחלקה BQP. אנו מראים כי, תחת ההשערה של אי-תלות סטטיסטית של הסודות ההיברידיים, המפתח הנגזר שומר על אי-ניתנות להבחנה גם מול שבירה עתידית של הפרימיטיבים הקלאסיים. מימשנו אב-טיפוס ב-Go 1.22 באמצעות liboqs והערכנו את הביצועים בסביבת Kubernetes 1.29, תחת עומס של 50,000 בקשות לשנייה. התוצאות מצביעות על תקורה נמוכה מ-12% בהשהיה וב-throughput בהשוואה ל-TLS 1.3 המסורתי, תוך שמירה על שיעורי זיהוי של התעסקות הגבוהים מ-99%. הניתוח דן בהשלכות עבור CNAPP, סביבות ענן-נייטיב, שימוש ב-eBPF לתצפיתיות מאובטחת וממשל קריפטוגרפי המיושר להנחיות NIST ו-ENISA עד 2025. אנו מסכמים כי ACAPQ מציעה נתיב מבוסס פורמלית ובר-מימוש תפעולי למעבר פוסט-קוונטי בתשתיות קריטיות מבוזרות.
Read paper →IRIR-ADAPT: מסגרת פורמלית, הסתברותית ואדפטיבית לתזמור ואופטימיזציה של תגובה לאירועי סייבר בסביבות ארגוניות מבוזרות
TITLE: IR-ADAPT: מסגרת פורמלית, הסתברותית ואדפטיבית לתזמור ואופטימיזציה של תגובה לאירועי סייבר בסביבות ארגוניות מבוזרות ABSTRACT: תגובה לאירועים (Incident Response – IR) הפכה לרכיב אסטרטגי בממשל אבטחת המידע בסביבות ארגוניות מבוזרות, המאופיינות בארכיטקטורות multicloud, עומסי עבודה מבוססי קונטיינרים, אינטגרציות SaaS ו‑pipelines של IA/ML. הגידול האקספוננציאלי בנפח הטלמטריה, יחד עם תחכומם של יריבים המנצלים אישורים תקפים, פגיעויות מוכרות וטכניקות התחמקות, מציב אתגרים מבניים בתעדוף ובבלימה בזמן של אירועים. בעבודה זו אנו מציעים את IR-ADAPT, מסגרת פורמלית, הסתברותית ואדפטיבית הממדלת IR כתהליך החלטה מרקובי ניתן לצפייה חלקית (POMDP), המאפשר אופטימיזציה כמותית תחת אי־ודאות. אנו מגדירים סיכון כערך צפוי מותנה של השפעה ומציגים פונקציית עלות רב־משתנית המשלבת הסתברות לפשרה, השפעה מנורמלת ואי־ודאות אפיסטמית. אנו מראים כי עדכון בייסיאני של אמונות מצב, בשילוב עם למידת חיזוק מקורבת, מאפשר מדיניות אדפטיבית הממזערת את העלות הצפויה המהוונת. מימשנו אב־טיפוס באמצעות Elastic Stack, Apache Kafka ופלטפורמת SOAR (TheHive/Cortex), תוך שילוב טלמטריה מ‑EDR, יומני רשת ואירועי ענן. הערכנו את המערכת על מערך של 3.2 מיליון אירועים אמיתיים וסינתטיים, והשווינו אותה לבסיסי ייחוס המבוססים על CVSS ועל כללי SIEM סטטיים. התוצאות מצביעות על הפחתה מובהקת סטטיסטית בזמן הממוצע לבלימה (MTTC) בשיעור של 47.3% (±2.1%), עלייה בדיוק ל‑92.4% והפחתה בעומס הידני ב‑31.8%. אנו דנים בהשלכות עבור סביבות מפוקחות, באינטגרציה עם CNAPP ובמגבלות בהקשרי OT/ICS. אנו מסיקים כי פורמליזציה הסתברותית סדרתית מספקת שיפורים מדידים ויסודות תאורטיים מוצקים לתזמור אדפטיבי של תגובה לאירועים עד למצב האמנות של שנת 2025.
Read paper →