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
- 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 [71.53333444240076]
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。
我々の論文は、人工知能のセキュリティにおけるより実用的な脅威モデルを研究するための行動である。
論文 参考訳(メタデータ) (2023-11-16T16:09:44Z) - 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) - Detection of Insider Threats using Artificial Intelligence and
Visualisation [0.0]
畳み込みニューラルネットワークは、利用可能なデータセットによって生成された画像から潜在的な脅威を特定するために訓練された。
各ユーザの活動が、情報システムに対して悪意あるものとして分類されているかどうかという質問に答えた。
論文 参考訳(メタデータ) (2021-09-06T12:58:07Z) - Adversarial Training for Deep Learning-based Intrusion Detection Systems [0.0]
本稿では,敵対攻撃が深層学習に基づく侵入検出に及ぼす影響について検討する。
十分な歪みを伴って、敵の例は検出器を誤解させ、敵の訓練を用いることで侵入検知の堅牢性を向上させることができる。
論文 参考訳(メタデータ) (2021-04-20T09:36:24Z) - 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) - A System for Efficiently Hunting for Cyber Threats in Computer Systems
Using Threat Intelligence [78.23170229258162]
ThreatRaptorは、OSCTIを使用してコンピュータシステムにおけるサイバー脅威ハンティングを容易にするシステムです。
ThreatRaptorは、(1)構造化OSCTIテキストから構造化された脅威行動を抽出する非監視で軽量で正確なNLPパイプライン、(2)簡潔で表現力のあるドメイン固有クエリ言語であるTBQLを提供し、悪意のあるシステムアクティビティを探し、(3)抽出された脅威行動からTBQLクエリを自動的に合成するクエリ合成メカニズムを提供する。
論文 参考訳(メタデータ) (2021-01-17T19:44:09Z) - 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。
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。