論文の概要: RoboMal: Malware Detection for Robot Network Systems

• arxiv url: http://arxiv.org/abs/2201.08470v1
• Date: Thu, 20 Jan 2022 22:11:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-24 15:00:42.637152
• Title: RoboMal: Malware Detection for Robot Network Systems
• Title（参考訳）: RoboMal:ロボットネットワークシステムのマルウェア検出
• Authors: Upinder Kaur, Haozhe Zhou, Xiaxin Shen, Byung-Cheol Min, Richard M. Voyles
• Abstract要約: 本稿では,バイナリ実行ファイル上で静的なマルウェア検出を行うRoboMalフレームワークを提案する。 このフレームワークは、GRU、CNN、ANNといった広く使われている教師付き学習モデルと比較される。 特に、LSTMベースのRoboMalモデルは、10倍のクロスバリデーションで85%の精度と87%の精度で他のモデルより優れている。
• 参考スコア（独自算出の注目度）: 4.357338639836869
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Robot systems are increasingly integrating into numerous avenues of modern life. From cleaning houses to providing guidance and emotional support, robots now work directly with humans. Due to their far-reaching applications and progressively complex architecture, they are being targeted by adversarial attacks such as sensor-actuator attacks, data spoofing, malware, and network intrusion. Therefore, security for robotic systems has become crucial. In this paper, we address the underserved area of malware detection in robotic software. Since robots work in close proximity to humans, often with direct interactions, malware could have life-threatening impacts. Hence, we propose the RoboMal framework of static malware detection on binary executables to detect malware before it gets a chance to execute. Additionally, we address the great paucity of data in this space by providing the RoboMal dataset comprising controller executables of a small-scale autonomous car. The performance of the framework is compared against widely used supervised learning models: GRU, CNN, and ANN. Notably, the LSTM-based RoboMal model outperforms the other models with an accuracy of 85% and precision of 87% in 10-fold cross-validation, hence proving the effectiveness of the proposed framework.
• Abstract（参考訳）: ロボットシステムは現代生活の多くの道に統合されつつある。 掃除から、ガイダンスや感情的な支援まで、ロボットは人間と直接仕事をする。 広範囲のアプリケーションと、徐々に複雑化するアーキテクチャのため、センサー・アクチュエーター攻撃、データ偽造、マルウェア、ネットワーク侵入といった敵攻撃の対象となっている。 そのため、ロボットシステムのセキュリティが重要になっている。 本稿では,ロボットソフトウェアにおけるマルウェア検出の不足領域について述べる。 ロボットは人間に近く、しばしば直接相互作用するので、マルウェアは命の危険をもたらす可能性がある。 そこで本稿では,バイナリ実行ファイル上で静的なマルウェア検出を行うRoboMalフレームワークを提案する。 さらに,小型の自律走行車の制御機能を備えたRoboMalデータセットを提供することで,この空間におけるデータのあいまいさに対処する。 フレームワークの性能は、GRU、CNN、ANNといった広く使われている教師付き学習モデルと比較される。 特にlstmベースのrobomalモデルは、10倍のクロスバリデーションにおいて85%の精度と87%の精度で他のモデルを上回るため、提案されたフレームワークの有効性が証明された。

関連論文リスト

• $π_0$: A Vision-Language-Action Flow Model for General Robot Control [77.32743739202543]
  本稿では,インターネット規模のセマンティック知識を継承するために,事前学習された視覚言語モデル(VLM)上に構築された新しいフローマッチングアーキテクチャを提案する。 我々は,事前訓練後のタスクをゼロショットで実行し,人からの言語指導に追従し,微調整で新たなスキルを習得する能力の観点から,我々のモデルを評価した。
  論文  参考訳（メタデータ） (2024-10-31T17:22:30Z)
• Jailbreaking LLM-Controlled Robots [82.04590367171932]
  大規模言語モデル(LLM)は、文脈推論と直感的な人間とロボットの相互作用を可能にすることによって、ロボット工学の分野に革命をもたらした。 LLMは脱獄攻撃に弱いため、悪意のあるプロンプトはLLMの安全ガードレールをバイパスすることで有害なテキストを誘発する。 LLM制御ロボットをジェイルブレイクするアルゴリズムであるRoboPAIRを紹介する。
  論文  参考訳（メタデータ） (2024-10-17T15:55:36Z)
• MASKDROID: Robust Android Malware Detection with Masked Graph Representations [56.09270390096083]
  マルウェアを識別する強力な識別能力を持つ強力な検出器MASKDROIDを提案する。 我々は、グラフニューラルネットワークベースのフレームワークにマスキング機構を導入し、MASKDROIDに入力グラフ全体の復元を強制する。 この戦略により、モデルは悪意のあるセマンティクスを理解し、より安定した表現を学習し、敵攻撃に対する堅牢性を高めることができる。
  論文  参考訳（メタデータ） (2024-09-29T07:22:47Z)
• ROS-Causal: A ROS-based Causal Analysis Framework for Human-Robot Interaction Applications [3.8625803348911774]
  本稿では,人間とロボットの空間的相互作用における因果発見の枠組みであるROS-Causalを紹介する。 ROSと統合されたアドホックシミュレータは、アプローチの有効性を示している。
  論文  参考訳（メタデータ） (2024-02-25T11:37:23Z)
• ImitationNet: Unsupervised Human-to-Robot Motion Retargeting via Shared Latent Space [9.806227900768926]
  本稿では,ロボットの動きに対する新しいディープラーニング手法を提案する。 本手法では,新しいロボットへの翻訳を容易にする,人間とロボットのペアデータを必要としない。 我々のモデルは、効率と精度の観点から、人間とロボットの類似性に関する既存の研究よりも優れています。
  論文  参考訳（メタデータ） (2023-09-11T08:55:04Z)
• Giving Robots a Hand: Learning Generalizable Manipulation with Eye-in-Hand Human Video Demonstrations [66.47064743686953]
  眼内カメラは、視覚に基づくロボット操作において、より優れたサンプル効率と一般化を可能にすることを約束している。 一方、人間がタスクを行うビデオは、ロボット遠隔操作の専門知識を欠いているため、収集コストがずっと安い。 本研究では,広範にラベルのない人間ビデオによるロボット模倣データセットを拡張し,眼球運動ポリシーの一般化を大幅に促進する。
  論文  参考訳（メタデータ） (2023-07-12T07:04:53Z)
• DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified Robustness [58.23214712926585]
  我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。 具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。 私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
  論文  参考訳（メタデータ） (2023-03-20T17:25:22Z)
• Reconstructing Robot Operations via Radio-Frequency Side-Channel [1.0742675209112622]
  近年、サイバードメインからロボット自体を積極的に狙う様々な攻撃が提案されている。 本研究では,インサイダーの相手が,無線周波数側チャネルを介してロボットの動きや操作用ウェアハウジングを正確に検出できるかどうかを検討する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:51Z)
• A New Paradigm of Threats in Robotics Behaviors [4.873362301533825]
  我々は、次世代ロボットにおけるセキュリティの脅威の新しいパラダイムを特定する。 これらの脅威は、既知のハードウェアやネットワークベースの脅威を超えます。 これらの脆弱性を現実的な例で悪用する攻撃の分類を提供する。
  論文  参考訳（メタデータ） (2021-03-24T15:33:49Z)
• Where is my hand? Deep hand segmentation for visual self-recognition in humanoid robots [129.46920552019247]
  本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。 ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
  論文  参考訳（メタデータ） (2021-02-09T10:34:32Z)
• Fault-Aware Robust Control via Adversarial Reinforcement Learning [35.16413579212691]
  本稿では, 関節損傷症例に対するロボットの脆弱性を大幅に向上させる, 対向強化学習フレームワークを提案する。 我々は,本アルゴリズムを3本指ロボットと4本指ロボットで検証する。 我々のアルゴリズムはシミュレーションでのみ訓練でき、微調整なしで実際のロボットに直接展開できる。
  論文  参考訳（メタデータ） (2020-11-17T16:01:06Z)

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。