論文の概要: Cyber Threat Intelligence for Secure Smart City
- arxiv url: http://arxiv.org/abs/2007.13233v1
- Date: Sun, 26 Jul 2020 22:39:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 20:12:49.823170
- Title: Cyber Threat Intelligence for Secure Smart City
- Title(参考訳): セキュアなスマートシティのためのサイバー脅威インテリジェンス
- Authors: Najla Al-Taleb, Nazar Abbas Saqib, Atta-ur-Rahman, Sujata Dash
- Abstract要約: 本研究は,サイバー脅威インテリジェンス(CTI)のためのハイブリッドディープラーニング(DL)モデルを提案する。
QRNNを使ってリアルタイムの脅威分類モデルを提供する。
- 参考スコア(独自算出の注目度): 1.1470070927586016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart city improved the quality of life for the citizens by implementing
information communication technology (ICT) such as the internet of things
(IoT). Nevertheless, the smart city is a critical environment that needs to
secure it is network and data from intrusions and attacks. This work proposes a
hybrid deep learning (DL) model for cyber threat intelligence (CTI) to improve
threats classification performance based on convolutional neural network (CNN)
and quasi-recurrent neural network (QRNN). We use QRNN to provide a real-time
threat classification model. The evaluation results of the proposed model
compared to the state-of-the-art models show that the proposed model
outperformed the other models. Therefore, it will help in classifying the smart
city threats in a reasonable time.
- Abstract(参考訳): スマートシティは、モノのインターネット(IoT)のような情報通信技術(ICT)を実装することで、市民の生活の質を改善した。
それでもスマートシティは、ネットワークと侵入や攻撃からのデータをセキュアにする必要がある重要な環境です。
本研究では,畳み込みニューラルネットワーク(cnn)と準リカレントニューラルネットワーク(qrnn)に基づく脅威分類性能を改善するために,サイバー脅威インテリジェンス(cti)のためのハイブリッド深層学習モデルを提案する。
QRNNを使ってリアルタイムの脅威分類モデルを提供する。
提案モデルと最先端モデルを比較した評価結果から,提案モデルは他のモデルよりも優れていた。
したがって、スマートシティの脅威を合理的な時間内に分類するのに役立ちます。
関連論文リスト
- Large Language Models Empowered Autonomous Edge AI for Connected
Intelligence [51.269276328087855]
エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。
この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
論文 参考訳(メタデータ) (2023-07-06T05:16:55Z) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳(メタデータ) (2023-05-26T02:52:12Z) - A Streamlit-based Artificial Intelligence Trust Platform for
Next-Generation Wireless Networks [0.0]
本稿では,NextGネットワークにStreamlitを用いたAI信頼プラットフォームを提案する。
研究者は、敵の脅威に対してAIモデルとアプリケーションを評価し、防御し、認証し、検証することができる。
論文 参考訳(メタデータ) (2022-10-25T05:26:30Z) - Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
適応型ニューラルネットワークの動的対向攻撃問題について検討する。
本稿では,LGM(Leaded Gradient Method)を提案する。
我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
論文 参考訳(メタデータ) (2022-10-15T01:32:08Z) - Defensive Distillation based Adversarial Attacks Mitigation Method for
Channel Estimation using Deep Learning Models in Next-Generation Wireless
Networks [0.41998444721319217]
AIベースのモデルを用いたNextGのネットワーク機能に対するセキュリティ上の懸念については、深く調査されていない。
本稿では,5Gツールボックスから得られたデータセットを用いて学習したディープラーニング(DL)に基づくチャネル推定モデルの包括的脆弱性解析を提案する。
提案手法は,NextGネットワークにおける敵攻撃に対して,DLに基づくチャネル推定モデルを守ることができることを示した。
論文 参考訳(メタデータ) (2022-08-12T08:35:36Z) - EvilModel 2.0: Hiding Malware Inside of Neural Network Models [7.060465882091837]
ニューラルネットワークモデルをステゴマルウェアに変えることは、AIの悪意ある使用である。
既存の手法では、マルウェアの埋め込み率が低く、モデルの性能に高い影響を与える。
本稿では,高容量かつサービス品質の劣化のないモデルにマルウェアを埋め込む新しい方法を提案する。
論文 参考訳(メタデータ) (2021-09-09T15:31:33Z) - Neural Architecture Dilation for Adversarial Robustness [56.18555072877193]
畳み込みニューラルネットワークの欠点は、敵の攻撃に弱いことである。
本稿では, 良好な精度を有する背骨CNNの対角的堅牢性を向上させることを目的とする。
最小限の計算オーバーヘッドの下では、拡張アーキテクチャはバックボーンCNNの標準的な性能と親和性が期待できる。
論文 参考訳(メタデータ) (2021-08-16T03:58:00Z) - On the benefits of robust models in modulation recognition [53.391095789289736]
畳み込み層を用いたディープニューラルネットワーク(DNN)は、通信における多くのタスクにおいて最先端である。
画像分類のような他の領域では、DNNは敵の摂動に弱いことが示されている。
最新モデルの堅牢性をテストするための新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-27T19:58:06Z) - BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by
Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。
結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文 参考訳(メタデータ) (2021-03-14T20:43:19Z) - Blockchained Federated Learning for Threat Defense [0.0]
本研究ではフェデレーテッドラーニングを用いたインテリジェント脅威防御システムの開発について紹介する。
提案するフレームワークは,分散型かつ継続的なトレースアルゴリズムの学習にフェデレート学習を併用する。
提案するフレームワークの目的は,Deep Content Inspection(DCI)メソッドによって産業用IoT(IIoT)から派生したスマートシティネットワークトラフィックをインテリジェントに分類することである。
論文 参考訳(メタデータ) (2021-02-25T09:16:48Z) - An Ensemble Deep Convolutional Neural Network Model for Electricity
Theft Detection in Smart Grids [2.281079191664481]
電力盗難検知(EDT)アルゴリズムは、この非技術的損失(NTL)が電力システムにおいて重大な課題を引き起こす可能性があるため、一般的にそのような目的のために使用される。
本稿では,スマートグリッドにおけるETDのためのEnsemble Deep Convolutional Neural Network (EDCNN)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-10T18:27:13Z)
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。