論文の概要: Challenges in cybersecurity: Lessons from biological defense systems
- arxiv url: http://arxiv.org/abs/2107.10344v1
- Date: Wed, 21 Jul 2021 20:18:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-21 07:30:48.515072
- Title: Challenges in cybersecurity: Lessons from biological defense systems
- Title(参考訳): サイバーセキュリティの課題:生物防御システムからの教訓
- Authors: Edward Schrom, Ann Kinzig, Stephanie Forrest, Andrea L. Graham, Simon
A. Levin, Carl T. Bergstrom, Carlos Castillo-Chavez, James P. Collins, Rob J.
de Boer, Adam Doup\'e, Roya Ensafi, Stuart Feldman, Bryan T. Grenfell. Alex
Halderman, Silvie Huijben, Carlo Maley, Melanie Mosesr, Alan S. Perelson,
Charles Perrings, Joshua Plotkin, Jennifer Rexford, Mohit Tiwari
- Abstract要約: セキュリティ上の課題は、幅広い複雑な適応システムの保守に不可欠である。
自然防衛の進化の研究から学んだ教訓は、そのようなシステムの保護のためのガイダンスを提供することができる。
- 参考スコア(独自算出の注目度): 5.992870171346109
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We explore the commonalities between methods for assuring the security of
computer systems (cybersecurity) and the mechanisms that have evolved through
natural selection to protect vertebrates against pathogens, and how insights
derived from studying the evolution of natural defenses can inform the design
of more effective cybersecurity systems. More generally, security challenges
are crucial for the maintenance of a wide range of complex adaptive systems,
including financial systems, and again lessons learned from the study of the
evolution of natural defenses can provide guidance for the protection of such
systems.
- Abstract(参考訳): コンピュータシステム(サイバーセキュリティ)のセキュリティを確保する方法と、脊椎動物を病原体から守るための自然選択を通じて進化してきたメカニズムの共通点と、自然防衛の進化の研究から得られた洞察が、より効果的なサイバーセキュリティシステムの設計にどのように役立つかを検討する。
より一般的には、金融システムを含む幅広い複雑な適応システムを維持するためには、セキュリティ上の課題が不可欠であり、また、自然防衛の進化の研究から学んだ教訓は、そのようなシステムを保護するためのガイダンスを提供することができる。
関連論文リスト
- I came, I saw, I certified: some perspectives on the safety assurance of
cyber-physical systems [5.9395940943056384]
サイバー物理システムの実行が失敗すると、生命の喪失、重傷、大規模な環境被害、資産破壊、そして大きな経済損失が生じる。
しばしば、規制機関がそのような制度を認定することを正当化し許すために、説得力のある保証ケースを開発することが義務付けられている。
我々は、保証イネーブラーのような課題を探求し、それらに取り組むための潜在的な方向性を概説する。
論文 参考訳(メタデータ) (2024-01-30T00:06:16Z) - Leveraging Traceability to Integrate Safety Analysis Artifacts into the
Software Development Process [51.42800587382228]
安全保証ケース(SAC)は、システムの進化中に維持することが困難である。
本稿では,ソフトウェアトレーサビリティを活用して,関連するシステムアーチファクトを安全解析モデルに接続する手法を提案する。
安全ステークホルダーがシステム変更が安全性に与える影響を分析するのに役立つように、システム変更の合理性を設計する。
論文 参考訳(メタデータ) (2023-07-14T16:03:27Z) - Sustainable Adaptive Security [11.574868434725117]
本稿では,新たに発見された脅威を軽減し,適応型セキュリティシステムの拡張による永続的保護を反映したサステナブル・アダプティブ・セキュリティ(SAS)の概念を提案する。
私たちはスマートホームの例を使って、持続可能な適応セキュリティを満たすシステムのMAPE(Monitor, Analysis, Planning, Execution)ループのアクティビティをどのように構築できるかを示します。
論文 参考訳(メタデータ) (2023-06-05T08:48:36Z) - Recursively Feasible Probabilistic Safe Online Learning with Control
Barrier Functions [63.18590014127461]
本稿では,CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。
本研究では,ロバストな安全クリティカルコントローラの実現可能性について検討する。
次に、これらの条件を使って、イベントトリガーによるオンラインデータ収集戦略を考案します。
論文 参考訳(メタデータ) (2022-08-23T05:02:09Z) - System Safety and Artificial Intelligence [0.0]
社会的領域にまたがるAIの新たな応用には、新たなハザードが伴う。
システム安全の分野は、安全クリティカルシステムにおける事故や危害に対処してきた。
この章はシステムの安全性の先駆者であるナンシー・リーブソンに敬意を表しています。
論文 参考訳(メタデータ) (2022-02-18T16:37:54Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳(メタデータ) (2021-04-29T09:54:54Z) - A Research Ecosystem for Secure Computing [4.212354651854757]
コンピュータ、システム、アプリケーションのセキュリティは、コンピュータ科学における何十年にもわたって活発な研究領域であった。
課題は、情報エコシステムのセキュリティと信頼から、敵の人工知能や機械学習までさまざまだ。
新しいインセンティブと教育がこの変化の核心にある。
論文 参考訳(メタデータ) (2021-01-04T22:42:28Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳(メタデータ) (2020-10-19T13:09:31Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳(メタデータ) (2020-08-10T23:05:55Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳(メタデータ) (2020-07-05T18:22:40Z)
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。