論文の概要: A Cybersecurity Guide for Using Fitness Devices
- arxiv url: http://arxiv.org/abs/2105.02933v1
- Date: Thu, 6 May 2021 20:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-01 07:30:34.571582
- Title: A Cybersecurity Guide for Using Fitness Devices
- Title(参考訳): フィットネスデバイス利用のためのサイバーセキュリティガイド
- Authors: Maria Bada and Basie von Solms
- Abstract要約: フィットネスデバイスは、体温、脈拍、食習慣、体重、歩数旅行、カロリー消費、睡眠ステージなど、さまざまな個人情報を収集することができる。
無線通信によって、これらのデバイスは悪意のある攻撃に弱い可能性があるため、収集したデータを暴露することができる。
本研究の目的は,フィットネスデバイスの使用時のリスク回避対策として,ユーザに対するサイバーセキュリティガイドラインを提供することである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The popularity of wearable devices is growing exponentially, with consumers
using these for a variety of services. Fitness devices are currently offering
new services such as shopping or buying train tickets using contactless
payment. In addition, fitness devices are collecting a number of personal
information such as body temperature, pulse rate, food habits and body weight,
steps-distance travelled, calories burned and sleep stage. Although these
devices can offer convenience to consumers, more and more reports are warning
of the cybersecurity risks of such devices, and the possibilities for such
devices to be hacked and used as springboards to other systems. Due to their
wireless transmissions, these devices can potentially be vulnerable to a
malicious attack allowing the data collected to be exposed. The vulnerabilities
of these devices stem from lack of authentication, disadvantages of Bluetooth
connections, location tracking as well as third party vulnerabilities.
Guidelines do exist for securing such devices, but most of such guidance is
directed towards device manufacturers or IoT providers, while consumers are
often unaware of potential risks. The aim of this paper is to provide
cybersecurity guidelines for users in order to take measures to avoid risks
when using fitness devices.
- Abstract(参考訳): ウェアラブルデバイスの人気は指数関数的に増加しており、消費者はさまざまなサービスに利用している。
フィットネスデバイスは、現在、非接触支払いを使って買い物や電車チケットの購入などの新しいサービスを提供している。
さらにフィットネスデバイスは、体温、脈拍、食習慣、体重、歩数旅行、カロリー消費、睡眠ステージなど、さまざまな個人情報を収集している。
これらのデバイスは消費者に利便性を提供することができるが、そのようなデバイスのサイバーセキュリティリスクを警告する報告がますます増えている。
無線通信によって、これらのデバイスは悪意のある攻撃に弱い可能性があるため、収集したデータを暴露することができる。
これらのデバイスの脆弱性は、認証の欠如、Bluetooth接続の欠点、位置追跡、およびサードパーティの脆弱性に起因する。
このようなデバイスを保護するためのガイドラインは存在するが、そのようなガイダンスのほとんどはデバイスメーカーやIoTプロバイダに向けられている。
本研究の目的は,フィットネスデバイスの使用時のリスク回避対策として,ユーザに対するサイバーセキュリティガイドラインを提供することである。
関連論文リスト
- LSTM based IoT Device Identification [0.0]
本稿では,Long short-term memory (LSTM) を用いて,Aaltoデータセット内のデバイスを識別する手法を提案する。
本研究では,Long short-term memory(LSTM)を用いて,Aaltoデータセット内のデバイスを識別する手法を提案する。
論文 参考訳(メタデータ) (2023-04-27T01:13:12Z) - Visual Detection of Personal Protective Equipment and Safety Gear on
Industry Workers [49.36909714011171]
我々は、PPE(Personal Protective Equipment)の使用を検知するカメラを用いて、労働者の安全を向上するシステムを開発した。
我々の焦点は、制限区域へのアクセスを得るために労働者が自らを提示しなければならないエントリーコントロールポイントに我々のシステムを実装することである。
この研究の新たな特徴は、クラス数を5つの対象(ヘルメット、安全ベスト、安全手袋、安全眼鏡、聴覚保護)に増やすことである。
論文 参考訳(メタデータ) (2022-12-09T11:50:03Z) - CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an
In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
車両内ネットワークのためのセキュリティ強化システムを提案する。
提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
論文 参考訳(メタデータ) (2021-06-15T06:12:33Z) - Towards Obfuscated Malware Detection for Low Powered IoT Devices [0.11417805445492081]
IoTとエッジデバイスは、マルウェアの作者にとって新たな脅威となる。
計算能力とストレージ容量が限られているため、これらのシステムに最先端のマルウェア検知器を配備することは不可能である。
そこで本稿では,Opcodeトレースから構築したMarkov行列から,不正かつ難解なマルウェア検出のための低コストな特徴を抽出する手法を提案する。
論文 参考訳(メタデータ) (2020-11-06T17:10:26Z) - Lightweight IoT Malware Detection Solution Using CNN Classification [2.288885651912488]
IoTデバイスのセキュリティ面は幼児の分野です。
ネットワーク上の特定のIoTノードの悪意ある振る舞いを認識するシステムを開発した。
畳み込みニューラルネットワークと監視により、ネットワーク内にインストール可能な中央ノードを使用して、IoTのマルウェア検出が可能になった。
論文 参考訳(メタデータ) (2020-10-13T10:56:33Z) - The Dark (and Bright) Side of IoT: Attacks and Countermeasures for
Identifying Smart Home Devices and Services [4.568911586155096]
3つの一般的なIoTスマートホームデバイスを特徴付けるトラフィックパターンを記述するモデルを構築した。
上記のデバイスによって動作しているサービスと、その存在の圧倒的な確率で検出および識別することが可能であることを実証する。
論文 参考訳(メタデータ) (2020-09-16T13:28:59Z) - Safety, Security, and Privacy Threats Posed by Accelerating Trends in
the Internet of Things [13.286330786426278]
IoT(Internet of Things)はすでに、産業や都市、家庭を変革している。
すべての産業におけるこの変革の経済的価値は1兆ドルと見積もられている。
相互接続型スマートデバイスの潜在的なメリットに加えて、リスクと悪用の可能性も高まる。
論文 参考訳(メタデータ) (2020-07-31T18:04:20Z) - Predictive Maintenance for Edge-Based Sensor Networks: A Deep
Reinforcement Learning Approach [68.40429597811071]
未計画の設備停止のリスクは、収益発生資産の予測保守によって最小化することができる。
機器に基づくセンサネットワークのコンテキストから予測機器のメンテナンスを行うために,モデルフリーのDeep Reinforcement Learningアルゴリズムを提案する。
従来のブラックボックス回帰モデルとは異なり、提案アルゴリズムは最適なメンテナンスポリシーを自己学習し、各機器に対して実行可能なレコメンデーションを提供する。
論文 参考訳(メタデータ) (2020-07-07T10:00:32Z) - Smart Home, security concerns of IoT [91.3755431537592]
IoT(モノのインターネット)は、国内環境において広く普及している。
人々は自宅をスマートホームにリニューアルしているが、インターネットに接続された多くのデバイスを常時オンの環境センサーで所有するというプライバシー上の懸念はいまだに不十分だ。
デフォルトパスワードと弱いパスワード、安価な材料とハードウェア、暗号化されていない通信は、IoTデバイスの主要な脅威と脆弱性として識別される。
論文 参考訳(メタデータ) (2020-07-06T10:36:11Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳(メタデータ) (2020-06-10T16:05:05Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳(メタデータ) (2020-05-25T12:32:02Z)
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。