論文の概要: Heterogeneous Noisy Short Signal Camouflage in Multi-Domain Environment
Decision-Making
- arxiv url: http://arxiv.org/abs/2106.02044v1
- Date: Wed, 2 Jun 2021 22:59:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 14:48:19.189154
- Title: Heterogeneous Noisy Short Signal Camouflage in Multi-Domain Environment
Decision-Making
- Title（参考訳）: マルチドメイン環境意思決定における不均一雑音短信号カモフラージュ
- Authors: Piyush K. Sharma
- Abstract要約: 画像や音声信号に変換することで,情報(センサ信号)を隠蔽する手法を提案する。
軍事近代化に向けた最新の試みの1つとして、インテリジェントな識別・検出操作を実現する上での課題について検討する。
- 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: Data transmission between two or more digital devices in industry and
government demands secure and agile technology. Digital information
distribution often requires deployment of Internet of Things (IoT) devices and
Data Fusion techniques which have also gained popularity in both, civilian and
military environments, such as, emergence of Smart Cities and Internet of
Battlefield Things (IoBT). This usually requires capturing and consolidating
data from multiple sources. Because datasets do not necessarily originate from
identical sensors, fused data typically results in a complex Big Data problem.
Due to potentially sensitive nature of IoT datasets, Blockchain technology is
used to facilitate secure sharing of IoT datasets, which allows digital
information to be distributed, but not copied. However, blockchain has several
limitations related to complexity, scalability, and excessive energy
consumption. We propose an approach to hide information (sensor signal) by
transforming it to an image or an audio signal. In one of the latest attempts
to the military modernization, we investigate sensor fusion approach by
investigating the challenges of enabling an intelligent identification and
detection operation and demonstrates the feasibility of the proposed Deep
Learning and Anomaly Detection models that can support future application for
specific hand gesture alert system from wearable devices.
- Abstract（参考訳）: 業界と政府の2つ以上のデジタルデバイス間のデータ転送は、安全でアジャイルな技術を要求する。
デジタル情報配信にはiot(internet of things, モノのインターネット)デバイスや、スマートシティの出現や戦場のインターネット(internet of battlefield things, iobt)など、文民と軍事の両方で人気を集めているデータ融合技術が必要となることが多い。
これは通常、複数のソースからデータをキャプチャして統合する必要がある。
データセットは必ずしも同じセンサー起源ではないため、融合データは通常、複雑なビッグデータ問題を引き起こす。
IoTデータセットの潜在的にセンシティブな性質のため、ブロックチェーン技術はIoTデータセットのセキュアな共有を容易にするために使用される。
しかし、ブロックチェーンには複雑さ、スケーラビリティ、過度のエネルギー消費に関するいくつかの制限がある。
画像や音声信号に変換することで,情報(センサ信号)を隠蔽する手法を提案する。
軍事近代化に向けた最新の試みの1つとして、インテリジェントな識別・検出操作を実現する上での課題を調査し、ウェアラブルデバイスからの特定のジェスチャー警告システムへの将来の応用を支援するためのディープラーニング・異常検出モデルの有効性を実証する。
関連論文リスト
- IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。
機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。
IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
論文 参考訳（メタデータ） (2024-07-13T08:20:37Z) - KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。
弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
論文 参考訳（メタデータ） (2024-05-26T08:02:02Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - Prototype of deployment of Federated Learning with IoT devices [0.0]
要求される大量のリソース、データ、データは、モバイルデバイス、センサー、その他のIoTデバイスに格納される。
同時に、これらのデバイスは優れたモデルをトレーニングするのに十分なデータや計算能力を持っていない。
フェデレートラーニング(FL)は、デバイスが協調的に学習できる革新的なソリューションを提供する。
論文 参考訳（メタデータ） (2023-11-24T10:37:30Z) - MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。
運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。
既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。
本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
論文 参考訳（メタデータ） (2023-11-10T18:13:08Z) - Ensemble Learning based Anomaly Detection for IoT Cybersecurity via
Bayesian Hyperparameters Sensitivity Analysis [2.3226893628361682]
IoT(Internet of Things)は、世界中の何十億ものインテリジェントデバイスを統合し、他の接続デバイスと通信する機能を備えている。
IoTによって収集されたデータには、異常検出のための膨大な情報が含まれている。
本稿では,異常検出によるIoTサイバーセキュリティ向上のためのアンサンブル機械学習手法について検討する。
論文 参考訳（メタデータ） (2023-07-20T05:23:49Z) - IoT Solutions with Multi-Sensor Fusion and Signal-Image Encoding for
Secure Data Transfer and Decision Making [0.8287206589886881]
軍では、異質なIoTデバイスがプロセスやタスクをどのように役立つかを調査している。
本稿では,IoTウェアラブルデバイスからのデータを,可逆かつ支援意思決定の可視化が容易な画像に統合(融合)するために,情報(信号)を変換するための画像符号化アプローチの信号を提案する。
論文 参考訳（メタデータ） (2021-06-02T22:48:06Z) - Multi-Source Data Fusion for Cyberattack Detection in Power Systems [1.8914160585516038]
複数のデータソースからの情報を融合することで,サイバーインシデントの発生を識別し,偽陽性を低減できることが示されている。
我々は、サイバー物理電力システムテストベッドでIDSを訓練するためのマルチソースデータ融合を行う。
提案するデータ融合アプリケーションを用いて偽データとコマンドインジェクションに基づく中間攻撃を推測する。
論文 参考訳（メタデータ） (2021-01-18T06:34:45Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z) - Contextual-Bandit Anomaly Detection for IoT Data in Distributed
Hierarchical Edge Computing [65.78881372074983]
IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。
本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。
提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
論文 参考訳（メタデータ） (2020-04-15T06:13:33Z)
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。