腾讯安全公开课：威胁情报与NDR结合的最佳实践
揭秘威胁情报如何护航企业
腾讯安全智能
无监督方法在UEBA行为分析中的应用与实践
SOC+UEBA：从关联规则到用户实体行为分析的运营思路分享
结合腾讯SOC在客户侧的运营实践，本文首先介绍安全运营在业界落地中普遍遇到的问题，并分享腾讯SOC在解决该问题时的思路和工作。
腾讯SOC + 一个行为分析引擎
soc的独特优势在于它有一个最强大脑，它利用多只眼睛汇聚过来的信息，借助自己的平台能力来进行更高级的威胁分析，从而使得它信息更全面、更准确、更能全链路追随威胁及风险。
腾讯安全-SOAR
数据显示，到2022年，30%的5人以上的安全团队将会采用SOAR（安全编排与自动化响应）。你是那30%吗？
UEBA实体画像技术设计和应用
在基础安全领域中，通过实体画像技术可以从多维度对检测对象进行描绘。这些描绘的成果将成为复杂安全检测，与复杂网络攻击调研的数据基础。
基于深度学习的webshell检测
1.背景介绍Webshell是一种基于web应用的后门程序，是黑客在入侵过程中经常使用的一类恶意工具之一。w
UEBA场景之数据库安全
一、UEBA场景是什么 腾讯御见UEBA（用户实体行为分析）使用一系列分析方法（统计学习、机器学习等）通过
fbprophet方法在ueba中的应用
腾讯御见UEBA（用户实体行为分析）面向政务、金融、能源等行业的办公安全、数据安全、员工行为管理，使用一系列
UEBA（用户实体行为分析）内部风险
目前我们御见UEBA产品最新版本已经发布，上一篇文章我们结合UEBA背后的技术行了简单介绍，本文将对UEBA内部风险相关场景进行介绍，有兴趣欢迎交流。
腾讯御见UEBA背后的技术
目前我们御见UEBA产品最新版本已经发布，上一篇文章我们结合最新版本对御见UEBA产品进行了简单介绍，本文将对腾讯御见UEBA相关技术进行介绍，有兴趣欢迎交流。
腾讯御见UEBA背后的技术
目前我们御见UEBA产品最新版本已经发布，上一篇文章我们结合最新版本对御见UEBA产品进行了简单介绍，本文将对腾讯御见UEBA相关技术进行介绍，有兴趣欢迎交流。
腾讯御见UEBA
腾讯御见UEBA面向政企办公安全、数据安全治理、员工行为管理，使用一系列分析方法通过分析用户实体（用户、应用、设备、主机等）相关行为日志构建用户实体画像，然后基于用户实体画像进行风险检测、风险分析、风险评估，最终识别内部风险用户和风险实体。
腾讯御见UEBA
腾讯御见UEBA面向政企办公安全、数据安全治理、员工行为管理，使用一系列分析方法通过分析用户实体（用户、应用、设备、主机等）相关行为日志构建用户实体画像，然后基于用户实体画像进行风险检测、风险分析、风险评估，最终识别内部风险用户和风险实体。
可解释的机器学习
无论是对于使用机器学习服务的用户，还是研发机器学习模型的算法工程师，机器学习的可解释性都是十分重要的。对于用户而言，由于许多关键的系统、服务都逐渐开始使用机器学习技术
基于流量日志的SQL注入分析技巧
作为一名安全运营人员，每天总会处理各种各样的安全事件/告警，而其中最为常见的莫过于SQL注入告警。而面对SQL注入告警时最重要的就是确定是否注入成功。本文简单归纳总结如何通过流量日志快速判断SQL注入是否成功。
智能威胁检测：基于SOC时间序列算法的可疑外网IP周期连接检测
本篇主要介绍基于SOC机器学习检测框架的时间序列建模的一个场景：可疑外网IP周期连接检测。
基于NLP技术的网站篡改检测引擎
近年来，黑客为了不同的目的或利益，经常发起各式各样的网络攻击。本文提出的基于NLP技术的网站篡改检测引擎，致力于快速发现被篡改的网站，降低网站所有者的相关损失。
TTPS在病毒家族定性中的应用
TTPS是Tactics（战术）, Techniques（技术）, Procedures（程序或者过程、步骤）的缩写。TTP最初用于反恐，根据世界范围内所有恐怖分子或组织实施袭击分析和研究，恐怖分子的攻击可以用TTP的方式描述。
基于海量url数据识别视频类网页
我们曾接到监管方的需求，想让我们帮他们找出归属地是深圳的公司旗下的网站中，包含明显视频播放内容的网站及网站对应的示例网页，从而方便他们对从事网络视听业务的网站进行监管。本文给出了一种基于CNN模型的解决方案。
该账号主要围绕智能化技术如何帮助企业提升网络安全水平展开，内容涉及机器学习、大数据处理等智能化技术在安全领域的实践经验分享，业界领先的产品和前沿趋势的解读分析等。通过分享、交流，推动安全智能的落地、应用。
(wechat feed made by @ttttmr https://wechat2rss.xlab.app)