論文の概要: An Empirical Study of IoT Security Aspects at Sentence-Level in
Developer Textual Discussions
- arxiv url: http://arxiv.org/abs/2206.03079v1
- Date: Tue, 7 Jun 2022 07:54:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-09 02:28:43.662803
- Title: An Empirical Study of IoT Security Aspects at Sentence-Level in
Developer Textual Discussions
- Title(参考訳): 開発者テキストディスカッションにおける文レベルのIoTセキュリティに関する実証的研究
- Authors: Nibir Chandra Mandal and Gias Uddin
- Abstract要約: Stack Overflowでセキュリティ関連のIoTに関する議論を自動的に見つけることができるモデルを開発した。
モデル出力を調査して、IoT開発者セキュリティ関連の課題について学ぶ。
- 参考スコア(独自算出の注目度): 0.8029049649310213
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: IoT is a rapidly emerging paradigm that now encompasses almost every aspect
of our modern life. As such, ensuring the security of IoT devices is crucial.
IoT devices can differ from traditional computing, thereby the design and
implementation of proper security measures can be challenging in IoT devices.
We observed that IoT developers discuss their security-related challenges in
developer forums like Stack Overflow(SO). However, we find that IoT security
discussions can also be buried inside non-security discussions in SO. In this
paper, we aim to understand the challenges IoT developers face while applying
security practices and techniques to IoT devices. We have two goals: (1)
Develop a model that can automatically find security-related IoT discussions in
SO, and (2) Study the model output to learn about IoT developer
security-related challenges. First, we download 53K posts from SO that contain
discussions about IoT. Second, we manually labeled 5,919 sentences from 53K
posts as 1 or 0. Third, we use this benchmark to investigate a suite of deep
learning transformer models. The best performing model is called SecBot.
Fourth, we apply SecBot on the entire posts and find around 30K security
related sentences. Fifth, we apply topic modeling to the security-related
sentences. Then we label and categorize the topics. Sixth, we analyze the
evolution of the topics in SO. We found that (1) SecBot is based on the
retraining of the deep learning model RoBERTa. SecBot offers the best F1-Score
of 0.935, (2) there are six error categories in misclassified samples by
SecBot. SecBot was mostly wrong when the keywords/contexts were ambiguous
(e.g., gateway can be a security gateway or a simple gateway), (3) there are 9
security topics grouped into three categories: Software, Hardware, and Network,
and (4) the highest number of topics belongs to software security, followed by
network security.
- Abstract(参考訳): IoTは急速に進化するパラダイムであり、現代の生活のほぼすべての側面を包含しています。
そのため、IoTデバイスのセキュリティを確保することが重要です。
IoTデバイスは従来のコンピューティングと異なる場合があるため、適切なセキュリティ対策の設計と実装はIoTデバイスでは難しい。
私たちはIoT開発者がStack Overflow(SO)のような開発者フォーラムでセキュリティ関連の課題について議論しているのを観察しました。
しかし、IoTセキュリティに関する議論は、SOの非セキュリティに関する議論の中に埋もれてしまう可能性がある。
本稿では,IoTデバイスにセキュリティプラクティスとテクニックを適用しながら,IoT開発者が直面する課題を理解することを目的とする。
1)SOにおけるセキュリティ関連のIoTの議論を自動的に見つけられるモデルを開発すること,2)IoT開発者のセキュリティ関連の課題について学ぶためにモデル出力を研究すること,の2つの目標がある。
まず、IoTに関する議論を含むSOから53Kの投稿をダウンロードします。
第2に,53kの投稿から5,919文を1または0と手動でラベル付けした。
第3に、このベンチマークを使用して、ディープラーニングトランスフォーマーモデルのスイートを調査します。
最高のパフォーマンスモデルはSecBotと呼ばれる。
第4に、secbotを投稿全体に適用し、約30万のセキュリティ関連文を見つける。
第5に、セキュリティ関連文にトピックモデリングを適用する。
次にトピックをラベル付けして分類します。
第6に、SOにおけるトピックの進化を分析する。
その結果,1) SecBotは深層学習モデルRoBERTaの再学習に基づいていることがわかった。
SecBotは0.935の最高のF1スコアを提供し、(2)SecBotの誤分類サンプルには6つのエラーカテゴリがある。
SecBotは、キーワード/コンテキストが曖昧で(例えば、ゲートウェイはセキュリティゲートウェイか単純なゲートウェイ)、(3)ソフトウェア、ハードウェア、ネットワークの3つのカテゴリに分類されるセキュリティトピックが9つあり、(4)最も多くのトピックがソフトウェアセキュリティに属し、次にネットワークセキュリティが続く。
関連論文リスト
- Weak-to-Strong Jailbreaking on Large Language Models [96.50953637783581]
大規模言語モデル(LLM)は、ジェイルブレイク攻撃に対して脆弱である。
既存のジェイルブレイク法は計算コストがかかる。
我々は、弱々しく強固な脱獄攻撃を提案する。
論文 参考訳(メタデータ) (2024-01-30T18:48:37Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳(メタデータ) (2023-09-14T05:43:36Z) - A Large-Scale Study of IoT Security Weaknesses and Vulnerabilities in
the Wild [0.5076419064097734]
モノのインターネット(モノのインターネット、Internet of Things、IoT)は、スマートコンピューティングデバイスを介してインターネットやネットワーク上での場所と物理的オブジェクト(物)の接続として定義される。
以前の調査では、Stack Overflowで共有されたC/C++コードの例で脆弱性や脆弱性が見つかった。
本稿では,3つのStack Exchangeサイトで共有されているIoT C/C++コード例について,大規模な実証的研究を行う。
論文 参考訳(メタデータ) (2023-08-25T02:34:11Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳(メタデータ) (2022-12-21T03:37:38Z) - Effectiveness of Transformer Models on IoT Security Detection in
StackOverflow Discussions [0.0]
IoT Security dataset"は、IoTセキュリティに関する議論に特化した7147のサンプルからなる、ドメイン固有のデータセットである。
IoTセキュリティに関する議論は、従来のセキュリティに関する議論とは異なる、より複雑であることがわかった。
論文 参考訳(メタデータ) (2022-07-29T08:18:03Z) - Reinforcement Learning for IoT Security: A Comprehensive Survey [4.0059435854780965]
セキュリティは、多くの攻撃ベクトル、セキュリティ欠陥、脆弱性を持つIoTシステムにおいて、長期にわたる課題です。
本稿では,異なる種類のIoTシステムに対するサイバー攻撃に関する包括的調査を行う。
次に、さまざまなIoTシステムにおけるさまざまなタイプの攻撃に対抗する強化学習と深層強化学習ベースのセキュリティソリューションを提示します。
論文 参考訳(メタデータ) (2021-02-14T21:09:49Z) - TypeNet: Deep Learning Keystroke Biometrics [77.80092630558305]
TypeNetは、アイデンティティ毎に適度な数のキーストロークでトレーニングされた、リカレントニューラルネットワークである。
5つのギャラリーシーケンスと長さ50のテストシーケンスにより、TypeNetは最先端のキーストロークバイオメトリック認証性能を実現します。
実験では,最大10,000人の被験者による誤りの程度の増加を実証し,インターネット規模でのTypeNetの運用の可能性を示した。
論文 参考訳(メタデータ) (2021-01-14T12:49:09Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - 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) - Machine Learning Based Solutions for Security of Internet of Things
(IoT): A Survey [8.108571247838206]
IoTプラットフォームは、到達不可能なスマートサービスで人間の生活を前進させることによって、私たちの日常生活のあらゆる側面をつかむ、グローバルな巨人へと発展してきた。
IoTを保護するために適用可能なセキュリティ対策は,すでに存在する。
伝統的なテクニックは、様々な攻撃タイプやその重大さと同様に、進歩ブームほど効率的ではない。
機械学習(ML)では、IoTの現在および将来の課題に対処する多くの研究ウィンドウがオープンされている。
論文 参考訳(メタデータ) (2020-04-11T03:08:24Z) - Governance of the Internet of Things (IoT) [0.0]
世界中の何十億もの人々の日々の生活は、わずか数年でテクノロジーによって永遠に変化してきた。
人工知能、機械学習、そしてインターネットに接続された数十億のセンサーデバイスの影響を制御しようとする人間に直面する課題は、この記事の主題である。
私たちはIoT(Internet of Things)を定義し、インターネットに接続されたセンサデバイスの爆発的な成長についてコメントし、IoTデバイスの例を提供し、IoTの約束に言及します。
論文 参考訳(メタデータ) (2020-04-08T01:26:16Z)
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。