論文の概要: A Policy Driven AI-Assisted PoW Framework
- arxiv url: http://arxiv.org/abs/2203.10698v1
- Date: Mon, 21 Mar 2022 01:36:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-22 18:08:59.341313
- Title: A Policy Driven AI-Assisted PoW Framework
- Title(参考訳): ポリシー駆動型AI支援PoWフレームワーク
- Authors: Trisha Chakraborty, Shaswata Mitra, Sudip Mittal, Maxwell Young
- Abstract要約: 現在のProof of Work (PoW)ベースのサイバーディフェンスシステムは、任意の数学的パズルを解くために、入ってくるネットワーク要求を必要とする。
本稿では,IPトラフィックに基づく機能を活用した人工知能支援PoWフレームワークを導入し,適応型パブリッシャに通知し,難易度が変化するパズルを生成する。
- 参考スコア(独自算出の注目度): 0.22940141855172028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Proof of Work (PoW) based cyberdefense systems require incoming network
requests to expend effort solving an arbitrary mathematical puzzle. Current
state of the art is unable to differentiate between trustworthy and
untrustworthy connections, requiring all to solve complex puzzles. In this
paper, we introduce an Artificial Intelligence (AI)-assisted PoW framework that
utilizes IP traffic based features to inform an adaptive issuer which can then
generate puzzles with varying hardness. The modular framework uses these
capabilities to ensure that untrustworthy clients solve harder puzzles thereby
incurring longer latency than authentic requests to receive a response from the
server. Our preliminary findings reveal our approach effectively throttles
untrustworthy traffic.
- Abstract(参考訳): Proof of Work (PoW)ベースのサイバー防御システムは、任意の数学的パズルを解決するために、入ってくるネットワーク要求を必要とする。
現代の芸術は信頼に値するものと信頼できないものとを区別できず、複雑なパズルを全て解決しなければならない。
本稿では,ipトラフィックに基づく機能を利用して適応型イシューを知らせる人工知能(ai)支援powフレームワークを提案する。
モジュールフレームワークはこれらの機能を使用して、信頼できないクライアントが難しいパズルを解決し、サーバからのレスポンスを受け取るための真の要求よりも長いレイテンシを発生させる。
予備的な調査結果から,信頼できないトラフィックを効果的に抑制する手法が明らかになった。
関連論文リスト
- Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳(メタデータ) (2023-12-22T17:57:57Z) - RIDE: Real-time Intrusion Detection via Explainable Machine Learning
Implemented in a Memristor Hardware Architecture [24.824596231020585]
本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。
提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
論文 参考訳(メタデータ) (2023-11-27T17:30:19Z) - Large Language Model Guided Tree-of-Thought [0.0]
自動回帰型大規模言語モデル(LLM)の問題解決能力向上を目的とした新しいアプローチであるTree-of-Thought(ToT)フレームワークを導入する。
ToTテクニックは、試行錯誤によって複雑な推論タスクを解決するための人間の心のアプローチにインスパイアされている。
実験結果から,ToTフレームワークはスドクパズル解法の成功率を大幅に向上させることができることがわかった。
論文 参考訳(メタデータ) (2023-05-15T01:18:23Z) - Automated Graph Genetic Algorithm based Puzzle Validation for Faster
Game Desig [69.02688684221265]
本稿では,コンピュータゲームにおける論理パズルを効率的に解くための進化的アルゴリズムを提案する。
制約満足度問題に対するハイブリッド遺伝的アプローチの様々なバリエーションについて論じる。
論文 参考訳(メタデータ) (2023-02-17T18:15:33Z) - CAPoW: Context-Aware AI-Assisted Proof of Work based DDoS Defense [0.0]
通信中に遅延を適応的に注入するコンテキスト対応のアンチDDoSフレームワークであるCAPoWを紹介する。
CAPoWでは、セキュリティ専門家が、AIシステムによって学習可能な関連する要求コンテキスト属性を定義することができる。
これらのコンテキスト属性には、IPアドレス、時間、フローレベル情報などのユーザリクエストに関する情報が含まれ、受信リクエストのコンテキストスコアを生成するために使用される。
論文 参考訳(メタデータ) (2023-01-27T15:06:41Z) - Are Deep Neural Networks SMARTer than Second Graders? [85.60342335636341]
6~8歳児を対象としたビジュオ言語パズルの解法において,ニューラルネットワークの抽象化,推論,一般化能力の評価を行った。
我々のデータセットは101のユニークなパズルで構成されており、各パズルは絵の質問で構成されており、それらの解には算術、代数学、空間推論を含むいくつかの基本的なスキルが混在している必要がある。
実験により、強力なディープモデルは教師付き設定でパズルに合理的な性能を与えるが、一般化のために解析するとランダムな精度よりは良くないことが明らかになった。
論文 参考訳(メタデータ) (2022-12-20T04:33:32Z) - Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。
HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
論文 参考訳(メタデータ) (2022-08-31T17:47:22Z) - Semantic-aware Modular Capsule Routing for Visual Question Answering [55.03883681191765]
SuPER と呼ばれるセマンティック・アウェアな modUlar caPsulE フレームワークを提案する。
5つのベンチマークデータセットに対して提案した SUPER スキームの有効性と一般化能力を比較検討した。
論文 参考訳(メタデータ) (2022-07-21T10:48:37Z) - Quantum Computing for Artificial Intelligence Based Mobile Network
Optimization [0.0]
本稿では,人工知能における制約満足度問題の概念を用いて,特定の無線アクセスネットワーク最適化問題をモデル化する方法について論じる。
ケーススタディでは、重要なLTE/NR物理ランダムアクセスチャネル構成に関連する自動化ユースケースであるルートシーケンスインデックス(RSI)割り当て問題について論じる。
本稿では,商用モバイルネットワークから取得したデータを用いて構築した2次非制約バイナリ最適化(QUBO)問題としてRSI割り当てを定式化し,クラウドベースの商用量子コンピューティングプラットフォームを用いて解決する。
論文 参考訳(メタデータ) (2021-06-26T01:05:43Z) - Puzzle-AE: Novelty Detection in Images through Solving Puzzles [8.999416735254586]
U-Netはこの目的のために有効であることが証明されているが、他のAEベースのフレームワークと同様の再構成エラーを使用することでトレーニングデータに過度に適合する。
この課題に基づいてU-Netをトレーニングすることは、過剰適合を防止し、ピクセルレベルの機能を超えた学習を容易にする効果的な治療法であることを示す。
本稿では,効率的な自動ショートカット除去法として,対向的ロバストトレーニングを提案する。
論文 参考訳(メタデータ) (2020-08-29T10:53:55Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z)
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。