Fugu-MT 論文翻訳(概要): Block Hunter: Federated Learning for Cyber Threat Hunting in Blockchain-based IIoT Networks

論文の概要: Block Hunter: Federated Learning for Cyber Threat Hunting in Blockchain-based IIoT Networks

arxiv url: http://arxiv.org/abs/2204.09829v1
Date: Thu, 21 Apr 2022 00:45:30 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 16:21:58.984811
Title: Block Hunter: Federated Learning for Cyber Threat Hunting in Blockchain-based IIoT Networks
Title（参考訳）: Block Hunter: ブロックチェーンベースのIIoTネットワークにおけるサイバー脅威追跡のためのフェデレートラーニング
Authors: Abbas Yazdinejad (Cyber Science Lab, School of Computer science, University of Guelph, ON, Canada), Ali Dehghantanha (Cyber Science Lab, School of Computer science, University of Guelph, ON, Canada), Reza M. Parizi (College of Computing and Software Engineering, Kennesaw State University, GA, USA), Mohammad Hammoudeh (Information & Computer Science Department, King Fahd University of Petroleum & Minerals, Saudi Arabia), Hadis Karimipour (School of Engineering, Department of Electrical and Software Engineering at the University of Calgary, Alberta, Canada) and Gautam Srivastava (Department of Math and Computer Science, Brandon University, Manitoba, Canada as well as with the Research Centre for Interneural Computing, China Medical University, Taichung)
Abstract要約: We use Federated Learning (FL) to build a threat hunting framework called Block Hunter to automatically hunt for attack in IIoT network。以上の結果から,Block Hunterの異常な動作を高精度かつ最小限の帯域幅で検出する効果が証明された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Nowadays, blockchain-based technologies are being developed in various industries to improve data security. In the context of the Industrial Internet of Things (IIoT), a chain-based network is one of the most notable applications of blockchain technology. IIoT devices have become increasingly prevalent in our digital world, especially in support of developing smart factories. Although blockchain is a powerful tool, it is vulnerable to cyber attacks. Detecting anomalies in blockchain-based IIoT networks in smart factories is crucial in protecting networks and systems from unexpected attacks. In this paper, we use Federated Learning (FL) to build a threat hunting framework called Block Hunter to automatically hunt for attacks in blockchain-based IIoT networks. Block Hunter utilizes a cluster-based architecture for anomaly detection combined with several machine learning models in a federated environment. To the best of our knowledge, Block Hunter is the first federated threat hunting model in IIoT networks that identifies anomalous behavior while preserving privacy. Our results prove the efficiency of the Block Hunter in detecting anomalous activities with high accuracy and minimum required bandwidth.
Abstract（参考訳）: 現在、ブロックチェーンベースの技術は、データセキュリティを改善するために様々な業界で開発されている。産業用モノのインターネット(Industrial Internet of Things, IIoT)の文脈では、ブロックチェーン技術の最も注目すべき応用の1つがチェーンベースのネットワークである。 IIoTデバイスは、デジタル世界でますます普及し、特にスマートファクトリの開発を支援している。ブロックチェーンは強力なツールだが、サイバー攻撃に対して脆弱である。スマートファクトリにおけるブロックチェーンベースのIIoTネットワークの異常検出は、ネットワークやシステムを予期しない攻撃から守る上で極めて重要である。本稿では,federated learning(fl)を用いてblock hunterと呼ばれる脅威追跡フレームワークを構築し,ブロックチェーンベースのiiotネットワークにおける攻撃を自動探索する。 block hunterはクラスタベースのアーキテクチャを使用して、フェデレーション環境で複数の機械学習モデルを組み合わせた異常検出を行う。私たちの知る限り、block hunterは、プライバシーを保ちながら異常な行動を識別するiiotネットワークにおける、最初の連合脅威追跡モデルです。その結果, ブロックハンターは, 高精度かつ最小の帯域幅で異常な活動を検出するのに有効であることがわかった。

関連論文リスト

BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。 BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
論文参考訳（メタデータ） (2024-10-05T05:11:34Z)
Real-time Cyberattack Detection with Collaborative Learning for Blockchain Networks [29.481124078876032]
ブロックチェーンネットワークを保護するために,効率的な協調型サイバー攻撃検出モデルを提案する。提案する検出モデルは,ブロックチェーンネットワークにおける攻撃を最大97%の精度で検出できる。
論文参考訳（メタデータ） (2024-07-04T15:39:49Z)
A Novel Classification of Attacks on Blockchain Layers: Vulnerabilities, Attacks, Mitigations, and Research Directions [0.8540657305162735]
本調査では,ブロックチェーン攻撃の新たな分類と,ブロックチェーンデータセキュリティに関する詳細な調査を提案する。さまざまなブロックチェーン層における攻撃の根本的な原因を精査することで、これらのセキュリティ上の懸念の深いダイナミクスを明らかにします。また、ブロックチェーンにおける量子コンピューティングの影響と、将来利用可能な現在のテクノロジの弱点についても論じる。
論文参考訳（メタデータ） (2024-04-28T06:40:50Z)
Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文参考訳（メタデータ） (2024-03-28T07:08:26Z)
Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
論文参考訳（メタデータ） (2024-03-20T01:58:38Z)
Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文参考訳（メタデータ） (2024-01-28T10:46:17Z)
Architectural Design for Secure Smart Contract Development [0.0]
ブロックチェーンインフラストラクチャに対するいくつかの攻撃により、数百万ドルが失われ、機密情報が漏洩した。一般的なソフトウェア脆弱性とブロックチェーンインフラストラクチャに対する攻撃を特定します。スマートコントラクトを活用した将来のシステムにおいて,より強力なセキュリティ標準を保証するためのモデルを提案する。
論文参考訳（メタデータ） (2024-01-03T18:59:17Z)
SoK: Security of Cross-chain Bridges: Attack Surfaces, Defenses, and Open Problems [43.80265187232706]
ブロックチェーン間のトークンとデータ交換を容易にするために、クロスチェーンブリッジが使用されている。橋は人気が高まりつつあるが、まだ幼少期であり、最近は何度も攻撃を受けている。本稿では,クロスチェーンブリッジのセキュリティ状況を概観的に分析する。
論文参考訳（メタデータ） (2023-12-19T20:13:21Z)
Tikuna: An Ethereum Blockchain Network Security Monitoring System [0.0]
本稿では、ブロックチェーン、特にノード間の通信と情報の共有を可能にするP2Pネットワークにおける最下位層を保護することに焦点を当てる。 P2Pネットワーク層は、Distributed Denial of Service(DDoS)、日食攻撃、Sybil攻撃など、いくつかの種類の攻撃に対して脆弱である可能性がある。ブロックチェーンP2Pネットワークに対する潜在的な攻撃を監視し、検出するオープンソースツールであるTikunaを、早期に紹介する。
論文参考訳（メタデータ） (2023-10-13T15:39:50Z)
Collaborative Learning for Cyberattack Detection in Blockchain Networks [29.481124078876032]
本稿では、侵入攻撃を調査し、ブロックチェーンネットワークのネットワーク層におけるサイバー攻撃を検出する新しいサイバー攻撃検出フレームワークを開発することを目的とする。ブロックチェーンネットワークに効率的に配置して攻撃を検知できる新しい協調学習モデルを提案する。集中シミュレーションと実時間実験の両方で、我々の提案した侵入検知フレームワークが攻撃検出において最大98.6%の精度を達成できることが明らかに示されている。
論文参考訳（メタデータ） (2022-03-21T15:55:41Z)
Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文参考訳（メタデータ） (2021-06-11T23:39:25Z)

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。