Fugu-MT 論文翻訳(概要): Insider Threat Detection Based on Stress Recognition Using Keystroke Dynamics

論文の概要: Insider Threat Detection Based on Stress Recognition Using Keystroke Dynamics

arxiv url: http://arxiv.org/abs/2005.02862v1
Date: Wed, 6 May 2020 14:43:12 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 06:28:16.380333
Title: Insider Threat Detection Based on Stress Recognition Using Keystroke Dynamics
Title（参考訳）: キーストロークダイナミクスを用いたストレス認識に基づくインサイダー脅威検出
Authors: Azamat Sultanov, Konstantin Kogos
Abstract要約: 本稿では,キーストロークダイナミクスを用いたストレス認識に基づく非侵襲的インサイダー脅威検出手法を提案する。結果が示すように、ストレスはインサイダー脅威検出に非常に価値のある情報を提供することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Insider threat is one of the most pressing threats in the field of information security as it leads to huge financial losses by the companies. Most of the proposed methods for detecting this threat require expensive and invasive equipment, which makes them difficult to use in practice. In this paper, we present a non-invasive method for detecting insider threat based on stress recognition using keystroke dynamics assuming that intruder experiences stress during making illegal actions, which affects the behavioral characteristics. Proposed method uses both supervised and unsupervised machine learning algorithms. As the results show, stress can provide highly valuable information for insider threat detection.
Abstract（参考訳）: インサイダーの脅威は、企業による巨額の財務損失につながる情報セキュリティの分野において、最も差し迫った脅威の1つだ。この脅威を検出するための提案手法の多くは高価で侵襲的な装置を必要とするため、実際にの使用は困難である。本稿では,不正行為の際に侵入者がストレスを経験することを前提としたキーストローク力学を用いたストレス認識に基づく非侵襲的インサイダー脅威検出手法を提案する。提案手法は教師なしと教師なしの両方の機械学習アルゴリズムを用いる。結果が示すように、ストレスはインサイダー脅威検出に非常に価値のある情報を提供することができる。

関連論文リスト

Insider Threats Mitigation: Role of Penetration Testing [0.0]
本研究は,インサイダー脅威防御の重要部分としての浸透試験の知識の向上を目的とする。我々は、異なる業界で浸透テストがどのように使われているか、実世界の実装を用いたケーススタディについて検討し、企業が克服すべき障害と制約について議論する。
論文参考訳（メタデータ） (2024-07-24T15:14:48Z)
Utilizing Deep Learning for Enhancing Network Resilience in Finance [0.0]
本稿では、金融業界の保護対策を改善するため、高度な脅威検出にディープラーニングを用いる。検出技術は主に統計的機械学習手法を使用する。
論文参考訳（メタデータ） (2024-02-15T09:35:57Z)
AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文参考訳（メタデータ） (2023-12-18T12:37:35Z)
Towards more Practical Threat Models in Artificial Intelligence Security [66.67624011455423]
最近の研究で、人工知能のセキュリティの研究と実践のギャップが特定されている。我々は、AIセキュリティ研究で最も研究されている6つの攻撃の脅威モデルを再検討し、実際にAIの使用と一致させる。
論文参考訳（メタデータ） (2023-11-16T16:09:44Z)
Threat Trekker: An Approach to Cyber Threat Hunting [0.5371337604556311]
脅威狩りはサイバー攻撃を探索し、検出し、緩和するための積極的な方法論である。本稿では,Threat Trekkerと呼ばれる新しい機械学習パラダイムを紹介する。
論文参考訳（メタデータ） (2023-10-06T12:29:41Z)
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)
Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
論文参考訳（メタデータ） (2022-07-20T19:49:09Z)
DANTE: Predicting Insider Threat using LSTM on system logs [0.0]
本稿では、システムログを用いて、特殊なリカレントニューラルネットワーク(RNN)モデルを用いてインサイダー動作を検出する手法を提案する。我々は、自然言語のシーケンスに従う一連のアクションを作成し、これらのシーケンスからパターンを抽出する。提案モデルでは,99%の予測精度が得られた。
論文参考訳（メタデータ） (2021-02-10T17:56:09Z)
Enabling Efficient Cyber Threat Hunting With Cyber Threat Intelligence [94.94833077653998]
ThreatRaptorは、オープンソースのCyber Threat Intelligence(OSCTI)を使用して、コンピュータシステムにおける脅威追跡を容易にするシステムである。構造化されていないOSCTIテキストから構造化された脅威行動を抽出し、簡潔で表現力豊かなドメイン固有クエリ言語TBQLを使用して悪意のあるシステムアクティビティを探索する。広範囲にわたる攻撃事例の評価は、現実的な脅威狩りにおけるThreatRaptorの精度と効率を実証している。
論文参考訳（メタデータ） (2020-10-26T14:54:01Z)
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)
Deep Learning for Insider Threat Detection: Review, Challenges and Opportunities [22.976960488191505]
高度なディープラーニング技術は、複雑なデータからエンドツーエンドモデルを学ぶための新しいパラダイムを提供する。既存の研究では、従来の機械学習アルゴリズムと比較して、ディープラーニングモデルはインサイダー脅威検出のパフォーマンスを向上させることが示されている。インサイダー脅威検出タスクをさらに進めるためのディープラーニングの適用は、ラベル付きデータの欠如やアダプティブアタックなど、いくつかの制限に直面している。
論文参考訳（メタデータ） (2020-05-25T22:48:01Z)

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。