論文の概要: A Machine Learning-based Approach to Detect Threats in Bio-Cyber DNA Storage Systems

• arxiv url: http://arxiv.org/abs/2009.13380v1
• Date: Mon, 28 Sep 2020 14:55:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:42:43.889863
• Title: A Machine Learning-based Approach to Detect Threats in Bio-Cyber DNA Storage Systems
• Title（参考訳）: バイオサイバDNAストレージシステムにおける脅威検出のための機械学習アプローチ
• Authors: Federico Tavella, Alberto Giaretta, Mauro Conti, Sasitharan Balasubramaniam
• Abstract要約: 我々は,生物工学的細菌を用いて,DNAにコード化されていたデータの保存と検索を行う自動アーカイブアーキテクチャを提案する。 これらの生物学的メディアと古典的メディアの類似性は、悪意ある当事者が以前のアーカイブシステムに対する伝統的な攻撃を複製する可能性があるため、欠点となる可能性がある。 本稿では、まず、ストレージシステムの主な特徴と、その上で実行できる様々な種類の攻撃について分析する。 そして、現在進行中の攻撃を特定することを目的として、従来のメトリクスや機械学習アルゴリズムに依存する検出手法を提案し、評価する。
• 参考スコア（独自算出の注目度）: 20.27498894606937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data storage is one of the main computing issues of this century. Not only storage devices are converging to strict physical limits, but also the amount of data generated by users is growing at an unbelievable rate. To face these challenges, data centres grew constantly over the past decades. However, this growth comes with a price, particularly from the environmental point of view. Among various promising media, DNA is one of the most fascinating candidate. In our previous work, we have proposed an automated archival architecture which uses bioengineered bacteria to store and retrieve data, previously encoded into DNA. This storage technique is one example of how biological media can deliver power-efficient storing solutions. The similarities between these biological media and classical ones can also be a drawback, as malicious parties might replicate traditional attacks on the former archival system, using biological instruments and techniques. In this paper, first we analyse the main characteristics of our storage system and the different types of attacks that could be executed on it. Then, aiming at identifying on-going attacks, we propose and evaluate detection techniques, which rely on traditional metrics and machine learning algorithms. We identify and adapt two suitable metrics for this purpose, namely generalized entropy and information distance. Moreover, our trained models achieve an AUROC over 0.99 and AUPRC over 0.91.
• Abstract（参考訳）: データストレージは今世紀の主要なコンピューティング問題の一つだ。 ストレージデバイスは厳格な物理的制限に収束しているだけでなく、ユーザが生成するデータの量は信じられないほど増加している。 これらの課題に対処するため、過去数十年にわたってデータセンターは絶えず成長した。 しかし、この成長には、特に環境の観点から、価格が伴う。 様々な有望なメディアの中で、DNAは最も魅力的な候補の1つである。 先程の研究では,生物工学的細菌を用いてDNAにエンコードされたデータの保存と検索を行う自動アーカイブアーキテクチャを提案する。 このストレージ技術は、バイオメディアが効率の良いストレージソリューションを提供する方法の例である。 これらの生物学的メディアと古典的メディアの類似性もまた欠点であり、悪意ある当事者は生物学的手段や技術を用いて、旧来のアーカイブシステムに対する伝統的な攻撃を複製する可能性がある。 本稿では,まずストレージシステムの主な特徴と,それ上で実行可能なさまざまな種類の攻撃について分析する。 次に,現在進行中のアタックを識別することを目的として,従来のメトリクスや機械学習アルゴリズムに依存する検出手法を提案し,評価する。 この目的のために, 一般化エントロピーと情報距離という2つの適切な指標を特定し, 適用する。 さらに,AUROCを0.99以上,AUPRCを0.91以上とした。

関連論文リスト

• An advanced data fabric architecture leveraging homomorphic encryption and federated learning [10.779491433438144]
  本稿では,分散データファブリックアーキテクチャにおけるフェデレーション学習と部分同型暗号を用いた医用画像解析のためのセキュアなアプローチを提案する。 本研究は下垂体腫瘍分類のケーススタディを通じて, 本手法の有効性を実証し, 高い精度を達成した。
  論文  参考訳（メタデータ） (2024-02-15T08:50:36Z)
• Heterogenous Memory Augmented Neural Networks [84.29338268789684]
  ニューラルネットワークのための新しいヘテロジニアスメモリ拡張手法を提案する。 学習可能なメモリトークンをアテンション機構付きで導入することにより、膨大な計算オーバーヘッドを伴わずに性能を効果的に向上させることができる。 In-distriion (ID) と Out-of-distriion (OOD) の両方の条件下での様々な画像およびグラフベースのタスクに対するアプローチを示す。
  論文  参考訳（メタデータ） (2023-10-17T01:05:28Z)
• How Does Generative Retrieval Scale to Millions of Passages? [68.98628807288972]
  各種コーパス尺度における生成的検索手法の実証的研究を行った。 我々は8.8Mパスのコーパスで数百万のパスに生成検索をスケールし、モデルサイズを最大11Bパラメータまで評価する。 生成的検索は、小さなコーパス上の最先端のデュアルエンコーダと競合するが、数百万のパスへのスケーリングは依然として重要で未解決の課題である。
  論文  参考訳（メタデータ） (2023-05-19T17:33:38Z)
• Deep metric learning improves lab of origin prediction of genetically engineered plasmids [63.05016513788047]
  遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。 本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。 我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
  論文  参考訳（メタデータ） (2021-11-24T16:29:03Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Deep DNA Storage: Scalable and Robust DNA Storage via Coding Theory and Deep Learning [49.3231734733112]
  シミュレーションデータに基づいてトレーニングされたDeep Neural Networks(DNN)、Product(TP)ベースのエラー修正コード(ECC)、安全マージンを1つのコヒーレントパイプラインに組み合わせたモジュラーで総合的なアプローチを示す。 我々の研究は, 最大で x3200 の速度向上, 40%の精度向上により, 現在の指導的ソリューションの改善を実現し, 高雑音下では1ベースあたり1.6ビットのコードレートを提供する。
  論文  参考訳（メタデータ） (2021-08-31T18:21:20Z)
• TELESTO: A Graph Neural Network Model for Anomaly Classification in Cloud Services [77.454688257702]
  機械学習(ML)と人工知能(AI)はITシステムの運用とメンテナンスに適用される。 1つの方向は、修復自動化を可能にするために、繰り返し発生する異常タイプを認識することである。 与えられたデータの次元変化に不変な手法を提案する。
  論文  参考訳（メタデータ） (2021-02-25T14:24:49Z)
• A Compact Deep Learning Model for Face Spoofing Detection [4.250231861415827]
  プレゼンテーションアタック検出(PAD)は研究コミュニティから大きな注目を集めている。 我々は、統一されたニューラルネットワークアーキテクチャにおいて、幅広い機能と深い機能の両方を融合することで、この問題に対処する。 この手順は、ROSE-Youtu、SiW、NUAA Imposterなどのさまざまなスプーフィングデータセットで行われます。
  論文  参考訳（メタデータ） (2021-01-12T21:20:09Z)
• Deep Learning based Covert Attack Identification for Industrial Control Systems [5.299113288020827]
  我々は、スマートグリッドに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発した。 このフレームワークは、オートエンコーダ、リカレントニューラルネットワーク(RNN)とLong-Short-Term-Memory層、Deep Neural Network(DNN)を組み合わせたハイブリッド設計である。
  論文  参考訳（メタデータ） (2020-09-25T17:48:43Z)

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。