論文の概要: Adversarial Genetic Programming for Cyber Security: A Rising Application
Domain Where GP Matters
- arxiv url: http://arxiv.org/abs/2004.04647v1
- Date: Tue, 7 Apr 2020 00:13:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-15 23:21:43.651690
- Title: Adversarial Genetic Programming for Cyber Security: A Rising Application
Domain Where GP Matters
- Title(参考訳): サイバーセキュリティのための敵対的遺伝的プログラミング:gpが重要なアプリケーションドメイン
- Authors: Una-May O'Reilly and Jamal Toutouh and Marcos Pertierra and Daniel
Prado Sanchez and Dennis Garcia and Anthony Erb Luogo and Jonathan Kelly and
Erik Hemberg
- Abstract要約: サイバーセキュリティのための敵対的遺伝的プログラミングは、サイバー敵の行動と彼らのエンゲージメントのダイナミクスを研究する研究トピックである。
これは、GPで異なる抽象化を表現することによって、複雑な振る舞いの進化に関する研究の疑問を喚起する。
本稿では、RIVALSと呼ばれるネットワークセキュリティアームレースの研究を支援するフレームワークを提案する。
- 参考スコア(独自算出の注目度): 10.336476147660383
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cyber security adversaries and engagements are ubiquitous and ceaseless. We
delineate Adversarial Genetic Programming for Cyber Security, a research topic
that, by means of genetic programming (GP), replicates and studies the behavior
of cyber adversaries and the dynamics of their engagements. Adversarial Genetic
Programming for Cyber Security encompasses extant and immediate research
efforts in a vital problem domain, arguably occupying a position at the
frontier where GP matters. Additionally, it prompts research questions around
evolving complex behavior by expressing different abstractions with GP and
opportunities to reconnect to the Machine Learning, Artificial Life,
Agent-Based Modeling and Cyber Security communities. We present a framework
called RIVALS which supports the study of network security arms races. Its goal
is to elucidate the dynamics of cyber networks under attack by computationally
modeling and simulating them.
- Abstract(参考訳): サイバーセキュリティの敵やエンゲージメントはユビキタスで絶え間ない。
我々は,遺伝的プログラミング(GP)を用いて,サイバー敵の行動と,その関与のダイナミクスを再現し,研究する研究テーマである,サイバーセキュリティのための敵対的遺伝的プログラミング(Adversarial Genetic Programming for Cyber Security)について述べる。
サイバーセキュリティの敵対的遺伝的プログラミングは、重要な問題領域において、現存する即座の研究努力を包含しており、gpの重要領域であるフロンティアにおける位置を占めている。
さらに、gpで異なる抽象化を表現し、機械学習、人工生命、エージェントベースのモデリング、サイバーセキュリティコミュニティと再接続する機会を提供することで、複雑な行動の進化に関する研究を促進させる。
本稿では、RIVALSと呼ばれるネットワークセキュリティアームレースの研究を支援するフレームワークを提案する。
その目標は、攻撃対象のサイバーネットワークのダイナミクスをコンピュータでモデル化し、シミュレーションすることで解明することである。
関連論文リスト
- On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。
我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。
ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
論文 参考訳(メタデータ) (2023-05-03T18:47:42Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳(メタデータ) (2023-04-02T08:43:03Z) - A Survey on Explainable Artificial Intelligence for Cybersecurity [14.648580959079787]
説明可能な人工知能(XAI)は、決定と行動に対して明確かつ解釈可能な説明を提供する機械学習モデルを作成することを目的としている。
ネットワークサイバーセキュリティの分野では、XAIは、サイバー脅威の振る舞いをよりよく理解することで、ネットワークセキュリティへのアプローチ方法に革命をもたらす可能性がある。
論文 参考訳(メタデータ) (2023-03-07T22:54:18Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - A Comprehensive Survey on the Cyber-Security of Smart Grids:
Cyber-Attacks, Detection, Countermeasure Techniques, and Future Directions [0.5735035463793008]
オープンシステムインターコネクション(OSI)モデルに基づく攻撃の分類を行う。
我々は、スマートグリッドネットワークの様々な層を標的とするサイバー攻撃について、より詳しく論じる。
論文 参考訳(メタデータ) (2022-06-22T14:55:06Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳(メタデータ) (2022-02-28T18:27:41Z) - Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the
Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。
我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。
攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文 参考訳(メタデータ) (2021-11-23T23:42:16Z) - Review: Deep Learning Methods for Cybersecurity and Intrusion Detection
Systems [6.459380657702644]
人工知能(AI)と機械学習(ML)はサイバー防衛の鍵となる技術として活用することができる。
本稿では,ネットワーク侵入検出に使用される様々な深層学習手法について検討する。
論文 参考訳(メタデータ) (2020-12-04T23:09:35Z) - Machine Learning in Generation, Detection, and Mitigation of
Cyberattacks in Smart Grid: A Survey [1.3299946892361474]
スマートグリッド(スマートグリッド、英: Smart grid、SG)は、現代のサイバー・物理機器を利用した複雑なサイバー物理システムである。
サイバー攻撃は、最先端のシステムの使用と進歩に直面する主要な脅威である。
機械学習(ML)は、攻撃者やシステムオペレーターによるSGのサイバー攻撃を悪用し、防御するために使用されている。
論文 参考訳(メタデータ) (2020-09-01T05:16:51Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳(メタデータ) (2020-07-05T18:22:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。