論文の概要: Effectiveness of Transformer Models on IoT Security Detection in
StackOverflow Discussions
- arxiv url: http://arxiv.org/abs/2207.14542v1
- Date: Fri, 29 Jul 2022 08:18:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 13:30:42.192818
- Title: Effectiveness of Transformer Models on IoT Security Detection in
StackOverflow Discussions
- Title(参考訳): StackOverflow議論におけるトランスフォーマーモデルがIoTセキュリティ検出に及ぼす影響
- Authors: Nibir Chandra Mandal, G. M. Shahariar, and Md. Tanvir Rouf Shawon
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet of Things (IoT) is an emerging concept that directly links to
the billions of physical items, or "things", that are connected to the Internet
and are all gathering and exchanging information between devices and systems.
However, IoT devices were not built with security in mind, which might lead to
security vulnerabilities in a multi-device system. Traditionally, we
investigated IoT issues by polling IoT developers and specialists. This
technique, however, is not scalable since surveying all IoT developers is not
feasible. Another way to look into IoT issues is to look at IoT developer
discussions on major online development forums like Stack Overflow (SO).
However, finding discussions that are relevant to IoT issues is challenging
since they are frequently not categorized with IoT-related terms. In this
paper, we present the "IoT Security Dataset", a domain-specific dataset of 7147
samples focused solely on IoT security discussions. As there are no automated
tools to label these samples, we manually labeled them. We further employed
multiple transformer models to automatically detect security discussions.
Through rigorous investigations, we found that IoT security discussions are
different and more complex than traditional security discussions. We
demonstrated a considerable performance loss (up to 44%) of transformer models
on cross-domain datasets when we transferred knowledge from a general-purpose
dataset "Opiner", supporting our claim. Thus, we built a domain-specific IoT
security detector with an F1-Score of 0.69. We have made the dataset public in
the hope that developers would learn more about the security discussion and
vendors would enhance their concerns about product security.
- Abstract(参考訳): モノのインターネット(internet of things、iot)は、インターネットに接続され、デバイスやシステム間で情報を収集し交換する何十億もの物理的アイテム、すなわち“モノ”に直接リンクする、新たな概念である。
しかし、IoTデバイスはセキュリティを念頭に構築されていないため、マルチデバイスシステムのセキュリティ上の脆弱性につながる可能性がある。
従来、IoT開発者やスペシャリストを対象に、IoTの問題を調査していました。
しかし、すべてのIoT開発者を対象とした調査は実現不可能であるため、このテクニックはスケーラブルではない。
IoT問題に目を向ける別の方法は、Stack Overflow(SO)のような主要なオンライン開発フォーラムに関するIoT開発者ディスカッションを見ることだ。
しかし、IoT関連の用語に分類されないことが多いため、IoT問題に関連する議論を見つけることは難しい。
本稿では,IoTセキュリティに関する議論に焦点をあてた,7147サンプルのドメイン固有のデータセットである“IoT Security Dataset”を紹介する。
これらのサンプルをラベル付ける自動ツールがないので、手動でラベルを付けました。
セキュリティの議論を自動的に検出するために,複数のトランスフォーマーモデルも採用した。
厳格な調査を通じて、IoTセキュリティの議論は従来のセキュリティの議論とは異なる、より複雑であることがわかった。
我々は、汎用データセット"Opiner"から知識を移行した際、ドメイン間データセット上でのトランスフォーマーモデルの大幅なパフォーマンス損失(最大44%)を実証した。
したがって、F1スコア0.69のドメイン固有のIoTセキュリティ検出器を構築しました。
私たちは、開発者がセキュリティに関する議論についてもっと学び、ベンダーが製品のセキュリティに関する懸念を強化することを期待して、データセットを公開しました。
関連論文リスト
- 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) - HoneyIoT: Adaptive High-Interaction Honeypot for IoT Devices Through
Reinforcement Learning [10.186372780116631]
我々は、HoneyIoTと呼ばれるIoTデバイス向けの適応型ハイインタラクション・ハニーポットを開発した。
まず、攻撃者がIoTデバイスとどのように相互作用するかを学ぶために、実際のデバイスベースの攻撃トレース収集システムを構築します。
次に、マルコフ決定プロセスを通じて攻撃行動をモデル化し、強化学習技術を活用して、攻撃者に対する最善の対応を学習する。
論文 参考訳(メタデータ) (2023-05-10T19:43:20Z) - IoT Device Identification Based on Network Communication Analysis Using
Deep Learning [43.0717346071013]
組織のネットワークに対する攻撃のリスクは、セキュリティの低いIoTデバイスの使用の増加によって増大している。
この脅威に対処し、ネットワークを保護するために、組織は通常、ホワイトリストのIoTデバイスのみをネットワーク上で許可するセキュリティポリシを実装します。
本研究では、ネットワーク上で許可されたIoTデバイスの自動識別のためのネットワーク通信にディープラーニングを適用した。
論文 参考訳(メタデータ) (2023-03-02T13:44:58Z) - 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) - An Empirical Study of IoT Security Aspects at Sentence-Level in
Developer Textual Discussions [0.8029049649310213]
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。
論文 参考訳(メタデータ) (2022-06-07T07:54:35Z) - 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) - Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT
Networks [96.24723959137218]
We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。
フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。
提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
論文 参考訳(メタデータ) (2020-11-25T12:51:59Z) - Zero-Bias Deep Learning for Accurate Identification of Internet of
Things (IoT) Devices [20.449229983283736]
物理層信号を用いたIoTデバイス識別のための拡張ディープラーニングフレームワークを提案する。
航空におけるIoTの応用であるADS-B(Automatic Dependent Surveillance-Broadcast)の実データを用いて,提案手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-08-27T20:50:48Z) - Smart Home, security concerns of IoT [91.3755431537592]
IoT(モノのインターネット)は、国内環境において広く普及している。
人々は自宅をスマートホームにリニューアルしているが、インターネットに接続された多くのデバイスを常時オンの環境センサーで所有するというプライバシー上の懸念はいまだに不十分だ。
デフォルトパスワードと弱いパスワード、安価な材料とハードウェア、暗号化されていない通信は、IoTデバイスの主要な脅威と脆弱性として識別される。
論文 参考訳(メタデータ) (2020-07-06T10:36:11Z) - 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) - IoT Device Identification Using Deep Learning [43.0717346071013]
組織におけるIoTデバイスの利用の増加は、攻撃者が利用可能な攻撃ベクトルの数を増やしている。
広く採用されている独自のデバイス(BYOD)ポリシにより、従業員が任意のIoTデバイスを職場に持ち込み、組織のネットワークにアタッチすることで、攻撃のリスクも増大する。
本研究では、ネットワークトラフィックにディープラーニングを適用し、ネットワークに接続されたIoTデバイスを自動的に識別する。
論文 参考訳(メタデータ) (2020-02-25T12:24:49Z)
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。