論文の概要: BYOD Security: A Study of Human Dimensions
- arxiv url: http://arxiv.org/abs/2202.11498v1
- Date: Wed, 23 Feb 2022 13:31:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:08:01.650403
- Title: BYOD Security: A Study of Human Dimensions
- Title（参考訳）: byod security: 人間の次元の研究
- Authors: Kathleen Downer and Maumita Bhattacharya
- Abstract要約: オーストラリア組織におけるその後のフレームワークやセキュリティメカニズムとともに、自身のデバイスセキュリティを提供することの流行と成熟は、成長する現象です。
本研究の目的は,調査調査装置を用いて実施した調査を通じて,オーストラリア企業によるBYODのセキュリティメカニズムの実践と認識方法を明らかにすることである。
- 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: The prevalence and maturity of Bring Your Own Device (BYOD) security along
with subsequent frameworks and security mechanisms in Australian organisations
is a growing phenomenon somewhat similar to other developed nations. During the
COVID 19 pandemic, even organisations that were previously reluctant to embrace
BYOD have been forced to accept it to facilitate remote work. The aim of this
paper is to discover, through a study conducted using a survey questionnaire
instrument, how employees practice and perceive the BYOD security mechanisms
deployed by Australian businesses which can help guide the development of
future BYOD security frameworks. Three research questions are answered by this
study - What levels of awareness do Australian businesses have for BYOD
security aspects? How are employees currently responding to the security
mechanisms applied by their organisations for mobile devices? What are the
potential weaknesses in businesses IT networks that have a direct effect on
BYOD security? Overall, the aim of this research is to illuminate the findings
of these research objectives so that they can be used as a basis for building
new and strengthening existing BYOD security frameworks in order to enhance
their effectiveness against an ever-growing list of attacks and threats
targeting mobile devices in a virtually driven work force.
- Abstract（参考訳）: オーストラリアの組織におけるその後のフレームワークやセキュリティメカニズムとともに、Bring Your Own Device(BYOD)セキュリティの流行と成熟は、他の先進国と幾らか似ている現象である。
新型コロナウイルス(COVID-19)パンデミックの間、これまでBYODを受け入れようとしなかった組織でさえ、リモートワークを促進するために受け入れざるを得なくなった。
本研究の目的は,調査調査装置を用いて実施した調査を通じて,今後のBYODセキュリティフレームワークの開発を支援するオーストラリアの企業によるBYODセキュリティメカニズムの実践と認識方法を明らかにすることである。
この研究は、オーストラリア企業がBYODのセキュリティ面に対してどのような認識レベルを持っているか、という3つの調査質問に答えている。
現在、従業員は、モバイルデバイスに組織が適用するセキュリティメカニズムにどのように対応していますか?
BYODセキュリティに直接的な影響を与えるビジネスITネットワークの潜在的な弱点は何ですか?
本研究の目的は、これらの研究目標の成果を照らし、既存のBYODセキュリティフレームワークの構築の基盤として利用し、事実上駆動されたワークフォースでモバイルデバイスをターゲットにした攻撃や脅威の継続的な増加に対する効果を高めることである。
関連論文リスト
- Physical and Software Based Fault Injection Attacks Against TEEs in Mobile Devices: A Systemisation of Knowledge [5.6064476854380825]
Trusted Execution Environments (TEE) は、現代のセキュアコンピューティングの重要なコンポーネントである。
機密データを保護し、セキュアな操作を実行するために、プロセッサに分離されたゾーンを提供する。
その重要性にもかかわらず、TEEは障害注入(FI)攻撃に対してますます脆弱である。
論文 参考訳（メタデータ） (2024-11-22T11:59:44Z) - Defining and Evaluating Physical Safety for Large Language Models [62.4971588282174]
大型言語モデル (LLM) は、ドローンのようなロボットシステムを制御するためにますます使われている。
現実世界のアプリケーションに物理的な脅威や害をもたらすリスクは、まだ解明されていない。
我々は,ドローンの物理的安全性リスクを,(1)目標脅威,(2)目標脅威,(3)インフラ攻撃,(4)規制違反の4つのカテゴリに分類する。
論文 参考訳（メタデータ） (2024-11-04T17:41:25Z) - MobileSafetyBench: Evaluating Safety of Autonomous Agents in Mobile Device Control [20.796190000442053]
デバイス制御エージェントの安全性を評価するためのベンチマークであるMobileSafetyBenchを紹介する。
メッセージングやバンキングアプリケーションを含む,さまざまなモバイルアプリケーションとのインタラクションに関わる,さまざまなタスクセットを開発します。
実験の結果,現状のLDMをベースとしたベースラインエージェントは,有効なタスクの実行において良好に機能するが,安全タスクでは性能が劣ることがわかった。
論文 参考訳（メタデータ） (2024-10-23T02:51:43Z) - Attack Atlas: A Practitioner's Perspective on Challenges and Pitfalls in Red Teaming GenAI [52.138044013005]
生成AI、特に大規模言語モデル(LLM)は、製品アプリケーションにますます統合される。
新たな攻撃面と脆弱性が出現し、自然言語やマルチモーダルシステムにおける敵の脅威に焦点を当てる。
レッドチーム(英語版)はこれらのシステムの弱点を積極的に識別する上で重要となり、ブルーチーム(英語版)はそのような敵の攻撃から保護する。
この研究は、生成AIシステムの保護のための学術的な洞察と実践的なセキュリティ対策のギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2024-09-23T10:18:10Z) - Safeguarding AI Agents: Developing and Analyzing Safety Architectures [0.0]
本稿では,人間チームと連携するAIシステムにおける安全対策の必要性について論じる。
我々は,AIエージェントシステムにおける安全プロトコルを強化する3つのフレームワークを提案し,評価する。
これらのフレームワークはAIエージェントシステムの安全性とセキュリティを大幅に強化することができると結論付けている。
論文 参考訳（メタデータ） (2024-09-03T10:14:51Z) - Safetywashing: Do AI Safety Benchmarks Actually Measure Safety Progress? [59.96471873997733]
我々は、より有意義な安全指標を開発するための実証的な基盤を提案し、機械学習研究の文脈でAIの安全性を定義する。
我々は、AI安全研究のためのより厳格なフレームワークを提供し、安全性評価の科学を前進させ、測定可能な進歩への道筋を明らかにすることを目指している。
論文 参考訳（メタデータ） (2024-07-31T17:59:24Z) - A Safe Harbor for AI Evaluation and Red Teaming [124.89885800509505]
一部の研究者は、そのような研究の実施や研究成果の公表が、アカウント停止や法的報復につながることを恐れている。
我々は、主要なAI開発者が法的、技術的に安全な港を提供することを約束することを提案します。
これらのコミットメントは、ジェネレーティブAIのリスクに取り組むための、より包括的で意図しないコミュニティ努力への必要なステップである、と私たちは信じています。
論文 参考訳（メタデータ） (2024-03-07T20:55:08Z) - Jailbroken: How Does LLM Safety Training Fail? [92.8748773632051]
ChatGPTの初期リリースに対する"jailbreak"攻撃は、望ましくない振る舞いを引き起こす。
このような攻撃がなぜ成功し、どのように発生できるかを考察する。
障害モードを利用した新たな攻撃は、安全でない要求の収集において、すべてのプロンプトで成功します。
論文 参考訳（メタデータ） (2023-07-05T17:58:10Z) - A Survey of Security in UAVs and FANETs: Issues, Threats, Analysis of Attacks, and Solutions [1.0923877073891446]
UAVとUAV間の通信を提供するネットワークのセキュリティを確保することが重要である。
この調査は、UAVとFlying Ad Hoc Networks(FANETs)のドメイン内のセキュリティに関する総合的な視点を提供することを目指している。
論文 参考訳（メタデータ） (2023-06-25T16:15:40Z) - 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) - Developing Enterprise Cyber Situational Awareness [0.0]
このトピックは、米国国防総省のネットワークセキュリティ防衛の改善戦略に焦点を当てる。
このアプローチは、DODの目標がネットワークを保護するための脆弱性に対処するかどうかを判断するために分析される。
論文 参考訳（メタデータ） (2020-09-03T18:16:06Z)
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。