論文の概要: Rapid IoT Device Identification at the Edge

• arxiv url: http://arxiv.org/abs/2110.13941v1
• Date: Tue, 26 Oct 2021 18:11:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 15:10:37.438325
• Title: Rapid IoT Device Identification at the Edge
• Title（参考訳）: エッジにおける高速IoTデバイス識別
• Authors: Oliver Thompson, Anna Maria Mandalari, Hamed Haddadi
• Abstract要約: デバイスDNSトラフィックに基づいてトレーニングされたニューラルネットワークを用いて,IoTデバイスを高速に識別する手法を提案する。 本手法は,第1接続後のDNS第2レベルドメイントラフィックの第1秒にモデルを適合させることで,デバイスを識別する。 製品タイプとデバイスメーカはそれぞれ82%と93%の精度で、27の異なるメーカから30のコンシューマIoTデバイスを分類します。
• 参考スコア（独自算出の注目度）: 5.213147236587845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Consumer Internet of Things (IoT) devices are increasingly common in everyday homes, from smart speakers to security cameras. Along with their benefits come potential privacy and security threats. To limit these threats we must implement solutions to filter IoT traffic at the edge. To this end the identification of the IoT device is the first natural step. In this paper we demonstrate a novel method of rapid IoT device identification that uses neural networks trained on device DNS traffic that can be captured from a DNS server on the local network. The method identifies devices by fitting a model to the first seconds of DNS second-level-domain traffic following their first connection. Since security and privacy threat detection often operate at a device specific level, rapid identification allows these strategies to be implemented immediately. Through a total of 51,000 rigorous automated experiments, we classify 30 consumer IoT devices from 27 different manufacturers with 82% and 93% accuracy for product type and device manufacturers respectively.
• Abstract（参考訳）: 消費者向けモノのインターネット(IoT)デバイスは、スマートスピーカーからセキュリティカメラに至るまで、日常の家庭ではますます一般的になっている。 そのメリットに加えて、潜在的なプライバシーとセキュリティの脅威も伴う。 これらの脅威を制限するには、エッジでのIoTトラフィックをフィルタリングするソリューションを実装しなければなりません。 この目的のために、IoTデバイスの識別は、最初の自然なステップである。 本稿では,デバイスDNSトラフィックに基づいてトレーニングされたニューラルネットワークを用いて,ローカルネットワーク上のDNSサーバから取得可能な高速IoTデバイス識別手法を提案する。 本手法は,第1接続後のDNS第2レベルドメイントラフィックの第1秒にモデルを適合させてデバイスを特定する。 セキュリティとプライバシの脅威検出はデバイス固有のレベルで実行されることが多いため、迅速な識別はこれらの戦略を直ちに実行可能にする。 51,000の厳格な自動実験を通じて、27の異なるメーカーから30の消費者向けIoTデバイスをそれぞれ82%と93%の精度で分類した。

関連論文リスト

• Communication Traffic Characteristics Reveal an IoT Devices Identity [0.0]
  本稿では,ネットワークに接続されたIoTデバイスを識別する機械学習デバイスフィンガープリント(DFP)モデルを提案する。 実験の結果,DFP法は個々のIoTデバイスを98%以上分類できることがわかった。
  論文  参考訳（メタデータ） (2024-02-25T18:58:09Z)
• Classification of cyber attacks on IoT and ubiquitous computing devices [49.1574468325115]
  本稿ではIoTマルウェアの分類について述べる。 攻撃の主要なターゲットと使用済みのエクスプロイトが特定され、特定のマルウェアを参照される。 現在のIoT攻撃の大部分は、相容れない低い労力と高度なレベルであり、既存の技術的措置によって緩和される可能性がある。
  論文  参考訳（メタデータ） (2023-12-01T16:10:43Z)
• CNN based IoT Device Identification [0.0]
  本稿では、畳み込みニューラルネットワーク(CNN)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、畳み込みニューラルネットワーク(CNN)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） (2023-04-27T00:37:16Z)
• IoT Device Identification Based on Network Communication Analysis Using Deep Learning [43.0717346071013]
  組織のネットワークに対する攻撃のリスクは、セキュリティの低いIoTデバイスの使用の増加によって増大している。 この脅威に対処し、ネットワークを保護するために、組織は通常、ホワイトリストのIoTデバイスのみをネットワーク上で許可するセキュリティポリシを実装します。 本研究では、ネットワーク上で許可されたIoTデバイスの自動識別のためのネットワーク通信にディープラーニングを適用した。
  論文  参考訳（メタデータ） (2023-03-02T13:44:58Z)
• 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)
• InstantNet: Automated Generation and Deployment of Instantaneously Switchable-Precision Networks [65.78061366594106]
  可変ビット幅で動作する即時切替可能精度ネットワークを自動生成・展開するInstantNetを提案する。 実験では、提案されたInstantNetは最先端の設計を一貫して上回っている。
  論文  参考訳（メタデータ） (2021-04-22T04:07:43Z)
• Machine Learning for the Detection and Identification of Internet of Things (IoT) Devices: A Survey [16.3730669259576]
  モノのインターネット(IoT)は、さまざまな新興サービスやアプリケーションを可能にする、日常生活の不可欠な部分になりつつあります。 IoTを確保する第一歩は、不正なIoTデバイスを検出し、正当なものを識別することです。 iotデバイスの識別と検出を,デバイス固有のパターン認識,ディープラーニングによるデバイス識別,教師なしデバイス識別,異常デバイス検出の4つのカテゴリに分類した。
  論文  参考訳（メタデータ） (2021-01-25T15:51:04Z)
• 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)
• 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)
• IoT Device Identification Using Deep Learning [43.0717346071013]
  組織におけるIoTデバイスの利用の増加は、攻撃者が利用可能な攻撃ベクトルの数を増やしている。 広く採用されている独自のデバイス(BYOD)ポリシにより、従業員が任意のIoTデバイスを職場に持ち込み、組織のネットワークにアタッチすることで、攻撃のリスクも増大する。 本研究では、ネットワークトラフィックにディープラーニングを適用し、ネットワークに接続されたIoTデバイスを自動的に識別する。
  論文  参考訳（メタデータ） (2020-02-25T12:24:49Z)

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。