論文の概要: CAPoW: Context-Aware AI-Assisted Proof of Work based DDoS Defense

• arxiv url: http://arxiv.org/abs/2301.11767v1
• Date: Fri, 27 Jan 2023 15:06:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-30 15:08:24.837736
• Title: CAPoW: Context-Aware AI-Assisted Proof of Work based DDoS Defense
• Title（参考訳）: CAPoW: コンテキスト対応AI支援による仕事ベースのDDoS防御の証明
• Authors: Trisha Chakraborty, Shaswata Mitra, Sudip Mittal
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Critical servers can be secured against distributed denial of service (DDoS) attacks using proof of work (PoW) systems assisted by an Artificial Intelligence (AI) that learns contextual network request patterns. In this work, we introduce CAPoW, a context-aware anti-DDoS framework that injects latency adaptively during communication by utilizing context-aware PoW puzzles. In CAPoW, a security professional can define relevant request context attributes which can be learned by the AI system. These contextual attributes can include information about the user request, such as IP address, time, flow-level information, etc., and are utilized to generate a contextual score for incoming requests that influence the hardness of a PoW puzzle. These puzzles need to be solved by a user before the server begins to process their request. Solving puzzles slow down the volume of incoming adversarial requests. Additionally, the framework compels the adversary to incur a cost per request, hence making it expensive for an adversary to prolong a DDoS attack. We include the theoretical foundations of the CAPoW framework along with a description of its implementation and evaluation.
• Abstract（参考訳）: クリティカルサーバは、文脈的ネットワーク要求パターンを学習する人工知能(ai)が支援するpowシステムを使用して、ddos(distributed denial of service)攻撃に対して保護することができる。 本稿では,コンテキスト認識型PoWパズルを利用して通信中に遅延を適応的に注入する,コンテキスト認識型アンチ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は、ipアドレス、時間、フローレベル情報などのユーザ要求に関する情報を含むことができ、powパズルの難易度に影響を与える受信要求のコンテキストスコアを生成するために利用される。 これらのパズルは、サーバが要求を処理する前にユーザによって解決される必要があります。 パズルの解法は、受信する敵の要求の量を遅くする。 さらに、このフレームワークは要求毎にコストを発生させる敵を補完するので、敵がDDoS攻撃を長引かせるのに費用がかかる。 本稿では,CAPoWフレームワークの理論的基礎と,その実装と評価について述べる。

関連論文リスト

• Hallucinating AI Hijacking Attack: Large Language Models and Malicious Code Recommenders [0.0]
  研究者は、人気のあるコードリポジトリで悪意のあるコードに対して、コピーコードや幻覚されたAIレコメンデーションを導入するための敵の可能性を構築し、評価する。 OpenAI, Google, Anthropicの基本的な大規模言語モデル(LLM)は、有害な振る舞いと有害な文字列の両方に対して保護する。 我々は、この攻撃を、以前の文脈シフトに関する研究と比較し、マルウェア文学における「土地から逃れる」攻撃の新たなバージョンとして攻撃面を対比した。
  論文  参考訳（メタデータ） (2024-10-09T01:36:25Z)
• Certifiably Robust RAG against Retrieval Corruption [58.677292678310934]
  Retrieval-augmented Generation (RAG) は、回復汚職攻撃に弱いことが示されている。 本稿では,ロバストRAGを検索汚職攻撃に対する最初の防御フレームワークとして提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:44:25Z)
• Formalizing and Benchmarking Prompt Injection Attacks and Defenses [59.57908526441172]
  本稿では,迅速なインジェクション攻撃を形式化するフレームワークを提案する。 フレームワークに基づいて、既存のものを組み合わせることで、新たな攻撃を設計します。 我々の研究は、将来のプロンプトインジェクション攻撃と防御を定量的に評価するための共通のベンチマークを提供する。
  論文  参考訳（メタデータ） (2023-10-19T15:12:09Z)
• AutoDAN: Generating Stealthy Jailbreak Prompts on Aligned Large Language Models [54.95912006700379]
  本稿では,大規模言語モデルに対する新たなジェイルブレイク攻撃であるAutoDANを紹介する。 AutoDANは、慎重に設計された階層型遺伝的アルゴリズムによって、ステルスなジェイルブレイクプロンプトを自動的に生成できる。
  論文  参考訳（メタデータ） (2023-10-03T19:44:37Z)
• A Novel Supervised Deep Learning Solution to Detect Distributed Denial of Service (DDoS) attacks on Edge Systems using Convolutional Neural Networks (CNN) [0.41436032949434404]
  ネットワークトラフィックにおけるDDoS攻撃を検出するための,新たなディープラーニングベースのアプローチを提案する。 本研究では、畳み込みニューラルネットワーク(CNN)と一般的なディープラーニングアルゴリズムの特性を利用する。 本研究は,DDOS攻撃検出における提案アルゴリズムの有効性を実証し,ネットワークトラフィックにおける2000の未確認フローに対して,.9883の精度を達成した。
  論文  参考訳（メタデータ） (2023-09-11T17:37:35Z)
• CAPD: A Context-Aware, Policy-Driven Framework for Secure and Resilient IoBT Operations [1.9116784879310031]
  インターネット・オブ・バトルフィールド・モノズ(IoBT)は歩兵部隊の運用を推し進める。 本稿では,CAPDを用いた敵行動の検出と緩和について述べる。
  論文  参考訳（メタデータ） (2022-08-02T19:27:51Z)
• Explainable Intrusion Detection Systems (X-IDS): A Survey of Current Methods, Challenges, and Opportunities [0.0]
  侵入検知システム(IDS)は、大量のデータを高い予測精度で処理できるため、広く採用されている。 深層学習(DL)技術を用いて設計されたIDSは、ブラックボックスモデルとして扱われることが多く、予測の正当化は提供されない。 この調査では、IDSの最先端AI(XAI)とその現在の課題についてレビューし、これらの課題がX-IDSの設計にどのように当てはまるかを論じる。
  論文  参考訳（メタデータ） (2022-07-13T14:31:46Z)
• A Policy Driven AI-Assisted PoW Framework [0.22940141855172028]
  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。
  論文  参考訳（メタデータ） (2022-03-21T01:36:55Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Attacking Open-domain Question Answering by Injecting Misinformation [116.25434773461465]
  質問応答モデル(QA)に対する誤報のリスクについて,オープンドメインQAモデルの誤報文書に対する感度について検討した。 実験により、QAモデルは誤情報による少量の証拠汚染に対して脆弱であることが示されている。 質問応答と誤情報検出を統合した誤情報認識型QAシステムの構築の必要性について論じる。
  論文  参考訳（メタデータ） (2021-10-15T01:55:18Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)

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。