論文の概要: A Digital Forensics Investigation of a Smart Scale IoT Ecosystem

• arxiv url: http://arxiv.org/abs/2109.05518v1
• Date: Sun, 12 Sep 2021 13:47:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 07:26:54.983410
• Title: A Digital Forensics Investigation of a Smart Scale IoT Ecosystem
• Title（参考訳）: スマートスケールiotエコシステムに関するデジタル鑑識調査
• Authors: George Grispos, Frank Tursi, Raymond Choo, William Mahoney, William Bradley Glisson
• Abstract要約: IoT(Internet of Things)エコシステムには,訴訟手続においてディジタルエビデンスとして使用可能な,残余のデータが含まれている。 これらの問題の1つは、これらの生態系からの残留データの保存と分析を導くための実践的なプロセスや技術が限られていることである。 本稿では,スマートスケールエコシステム内のさまざまなエビデンスソースから残余データを復元する実践的手法を実証的に示す。
• 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 introduction of Internet of Things (IoT) ecosystems into personal homes and businesses prompts the idea that such ecosystems contain residual data, which can be used as digital evidence in court proceedings. However, the forensic examination of IoT ecosystems introduces a number of investigative problems for the digital forensics community. One of these problems is the limited availability of practical processes and techniques to guide the preservation and analysis of residual data from these ecosystems. Focusing on a detailed case study of the iHealth Smart Scale ecosystem, we present an empirical demonstration of practical techniques to recover residual data from different evidence sources within a smart scale ecosystem. We also document the artifacts that can be recovered from a smart scale ecosystem, which could inform a digital (forensic) investigation. The findings in this research provides a foundation for future studies regarding the development of processes and techniques suitable for extracting and examining residual data from IoT ecosystems.
• Abstract（参考訳）: モノのインターネット(IoT)エコシステムを個人の家やビジネスに導入することで、そのようなエコシステムには残余のデータが含まれており、裁判所の手続でデジタル証拠として使用できるという考えが浮かび上がっている。 しかし、IoTエコシステムの法医学的な調査は、デジタル法医学コミュニティに多くの調査問題を提起している。 これらの問題の1つは、これらの生態系からの残留データの保存と分析を導くための実践的なプロセスや技術が限られていることである。 本稿では,ihealthスマートスケールエコシステムの詳細なケーススタディに焦点をあて,スマートスケールエコシステム内の異なる証拠源から残留データを回収する実践的手法の実証実験を行う。 また、スマートスケールのエコシステムから回収できるアーティファクトも文書化しています。 この研究の知見は、iotエコシステムからの残留データ抽出および検査に適したプロセスおよび技術の開発に関する将来の研究の基礎を提供する。

関連論文リスト

• Learning to learn ecosystems from limited data -- a meta-learning approach [0.0]
  我々は,時間遅延フィードフォワードニューラルネットワークを用いたメタラーニングフレームワークを開発し,生態系の長期的挙動を予測する。 この枠組みは、限られたデータで生態系の「動的気候」を正確に再構築できることを示す。
  論文  参考訳（メタデータ） (2024-10-02T16:23:34Z)
• Earth System Data Cubes: Avenues for advancing Earth system research [4.408949931570938]
  地球系データキューブ(ESDC)は、このデータの洪水をシンプルで堅牢なフォーマットに変換するのに適したソリューションの1つとして登場した。 ESDCは、データをテンポラリグリッドを備えた分析可能なフォーマットに整理することで、これを実現している。 新たなクラウドベースの技術に照らして、データの潜在能力を最大限に実現するための障壁がある。
  論文  参考訳（メタデータ） (2024-08-05T09:50:16Z)
• Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
  ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
  論文  参考訳（メタデータ） (2022-10-28T04:38:10Z)
• EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
  本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
  論文  参考訳（メタデータ） (2022-08-01T18:47:03Z)
• Machine Learning and Artificial Intelligence in Circular Economy: A Bibliometric Analysis and Systematic Literature Review [0.0]
  循環経済(CE)は、設計段階で材料から最も高い価値を出し、再利用、リサイクル、再製造によって製品ライフサイクルのループを完成させることを目的としている。 本研究では,CEにおける応用AI技術の採用と統合について検討する。
  論文  参考訳（メタデータ） (2022-04-01T07:05:13Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Unlocking the potential of deep learning for marine ecology: overview, applications, and outlook [8.3226670069051]
  本稿では,海洋生態学者と計算機科学者のギャップを埋めることを目的としている。 本研究では, 一般的な深層学習手法を, 平易な言語における生態データ分析に適用する。 我々は,海洋生態学への深層学習の確立と新たな応用を通じて,課題と機会を解説する。
  論文  参考訳（メタデータ） (2021-09-29T21:59:16Z)
• A Possible Artificial Intelligence Ecosystem Avatar: the Moorea case (IDEA) [0.6562256987706128]
  本稿では,Deep Stacking Networks(DSN)に基づく大規模データ同化と予測バックボーンに着目した。 本稿では,生態系のアバターモデルや,生態指標や物理指標などの第2レベルのデータをトレーニングし,制約することのできる,いくつかの生データについて述べる。
  論文  参考訳（メタデータ） (2021-02-04T02:53:55Z)
• Data Science for Engineers: A Teaching Ecosystem [59.00739310930656]
  チリ大学物理学・数学学部の技術者にデータサイエンスを教えるエコシステムについて述べる。 このイニシアチブは、学術的・専門的な環境からDS資格の需要が高まっていることに動機づけられている。 DS教育の原則と我々のアプローチの革新的な構成要素を共有することで、自分たちのDSプログラムやエコシステムを開発する人たちにとって、私たちの経験が役に立つことを願っています。
  論文  参考訳（メタデータ） (2021-01-14T14:17:57Z)
• Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
  ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。 ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。 提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
  論文  参考訳（メタデータ） (2020-08-05T15:45:54Z)
• 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)

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。