論文の概要: Epidemic? The Attack Surface of German Hospitals during the COVID-19
Pandemic
- arxiv url: http://arxiv.org/abs/2101.07912v1
- Date: Wed, 20 Jan 2021 00:45:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-14 11:32:46.464051
- Title: Epidemic? The Attack Surface of German Hospitals during the COVID-19
Pandemic
- Title（参考訳）: 伝染病?
新型コロナウイルス感染拡大に伴うドイツの病院の攻撃面
- Authors: Johannes Klick, Robert Koch and Thomas Brandstetter
- Abstract要約: 我々は、新型コロナウイルスパンデミック(COVID-19パンデミック)中の2020年のドイツの病院や医療機関の攻撃面を分析した。
分析対象のサービスの32%は各種の学位に弱いと判断され、全病院の36%は多数の脆弱性を示していた。
- 参考スコア（独自算出の注目度）: 3.7240337243132386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In our paper we analyze the attack surface of German hospitals and healthcare
providers in 2020 during the COVID-19 Pandemic. The analysis looked at the
publicly visible attack surface utilizing a Distributed Cyber Recon System,
utilizing distributed Internet scanning, Big Data methods and scan data of
1,483 GB from more than 89 different global Internet scans. From the 1,555
identified German clinical entities, security posture analysis was conducted by
looking at more than 13,000 service banners for version identification and
subsequent CVE-based vulnerability identification. Primary analysis shows that
32 percent of the analyzed services were determined as vulnerable to various
degrees and 36 percent of all hospitals showed numerous vulnerabilities.
Further resulting vulnerability statistics were mapped against size of
organization and hospital bed count.
- Abstract（参考訳）: 本稿では、2020年のCOVID-19パンデミックにおけるドイツの病院や医療機関の攻撃面を分析した。
分析では、89以上の異なるグローバルインターネットスキャンから1,483gbの分散インターネットスキャン、ビッグデータ手法、スキャンデータを活用する分散サイバーリコンシステムを用いて、公開可能な攻撃面を調査した。
1,555のドイツの臨床組織から、セキュリティ姿勢分析は、バージョン識別とその後のcveベースの脆弱性識別のために、13,000以上のサービスバナーを調査した。
一次分析では、分析されたサービスの32%が様々な学位に弱いと判断され、全病院の36%が多数の脆弱性を示していた。
さらなる脆弱性統計は、組織の大きさと病院のベッド数に対してマッピングされた。
関連論文リスト
- COVIDx CXR-4: An Expanded Multi-Institutional Open-Source Benchmark
Dataset for Chest X-ray Image-Based Computer-Aided COVID-19 Diagnostics [79.90346960083775]
我々は,胸部X線画像を用いたコンピュータ支援型COVID-19診断のための,多施設のオープンソースベンチマークデータセットであるCOVIDx CXR-4を紹介する。
COVIDx CXR-4は、患者の総コホートサイズを2.66倍に増やすことで、前回のCOVIDx CXR-3データセットで大幅に拡大する。
患者人口、画像メタデータ、および疾患分布の多様性について広範な分析を行い、潜在的なデータセットバイアスを明らかにする。
論文 参考訳（メタデータ） (2023-11-29T14:40:31Z) - Understanding the Security and Performance of the Web Presence of
Hospitals: A Measurement Study [10.967617687926966]
本研究は,病院のウェブサイトの計測に基づく最初の分析である。
我々は、ドメイン名、コンテンツ、SSL証明書レベルの機能に対して、集合的および対照的に3つのカテゴリのセキュリティ特性について検討する。
本研究は, 病院データ漏洩の確認および手動検査による414件の相関分析を行った。
論文 参考訳（メタデータ） (2023-04-26T04:37:40Z) - COVID-Net USPro: An Open-Source Explainable Few-Shot Deep Prototypical
Network to Monitor and Detect COVID-19 Infection from Point-of-Care
Ultrasound Images [66.63200823918429]
COVID-Net USProは、最小限の超音波画像から高精度で新型コロナウイルス陽性の患者を監視し、検出する。
ネットワーク全体では99.65%の精度、99.7%のリコール、99.67%の精度で5発の撮影で訓練された。
論文 参考訳（メタデータ） (2023-01-04T16:05:51Z) - Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in
Artificial Intelligence [79.038671794961]
我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。
本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
論文 参考訳（メタデータ） (2021-11-18T00:43:41Z) - COVID-Net US: A Tailored, Highly Efficient, Self-Attention Deep
Convolutional Neural Network Design for Detection of COVID-19 Patient Cases
from Point-of-care Ultrasound Imaging [101.27276001592101]
我々は,肺POCUS画像からの新型コロナウイルススクリーニングに適した,高効率で自己注意型の深層畳み込みニューラルネットワーク設計であるCOVID-Net USを紹介した。
実験の結果、提案されたCOVID-Net USは、アーキテクチャの複雑さが353倍、計算の複雑さが62倍、Raspberry Piで14.3倍高速なAUCを達成できることがわかった。
リソース制約のある環境において安価な医療と人工知能を提唱するために、COVID-Net USをオープンソースにし、COVID-Netオープンソースイニシアチブの一部として公開しました。
論文 参考訳（メタデータ） (2021-08-05T16:47:33Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - An Explainable AI System for Automated COVID-19 Assessment and Lesion
Categorization from CT-scans [8.694504007704994]
SARS-CoV-2病原体による新型コロナウイルス感染症は、世界中で壊滅的なパンデミックである。
深層学習パラダイムに基づくAIを用いたパイプラインを提案し,CTスキャンによるCOVID-19検出と病変分類を自動化した。
論文 参考訳（メタデータ） (2021-01-28T11:47:35Z) - Data Mining Approach to Analyze Covid19 Dataset of Brazilian Patients [0.0]
世界保健機関(WHO)が2020年1月に創設した新型コロナウイルス(コビッド19)に由来する。
ほぼすべての国がコビッド19の陽性例を示しており、政府は感染防止のために異なる健康政策を選択している。
ブラジルでは8月11日までに3,112,393人の感染が確認された。
論文 参考訳（メタデータ） (2020-08-26T02:21:56Z) - Surveillance of COVID-19 Pandemic using Hidden Markov Model [0.0]
隠れマルコフモデルを用いて、拡散の程度をよりよく評価することを検討する。
私たちが分析したデータは、インドのシナリオに関するものです。
論文 参考訳（メタデータ） (2020-08-14T05:45:34Z) - EPIC30M: An Epidemics Corpus Of Over 30 Million Relevant Tweets [2.7718973516070684]
EPIC30Mは大規模な流行企業で、Twitterから3000万のマイクロブログ投稿がクロールされている。
EPIC30Mには、エボラ、コレラ、豚インフルエンザという3つの一般的な病気に関連する2200万ツイートのサブセットと、2009年のH1N1豚インフルエンザ、2010年のハイチ・コレラ、2012年の中東呼吸症候群(MERS)、2013年の西アフリカエボラ、2016年のイエメン・コレラ、2018年のキブ・エボラを含む6つの世界的な流行の470万ツイートのサブセットが含まれている。
論文 参考訳（メタデータ） (2020-06-09T13:23:00Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。