Fugu-MT 論文翻訳(概要): IoT Botnet Detection Using an Economic Deep Learning Model

論文の概要: IoT Botnet Detection Using an Economic Deep Learning Model

arxiv url: http://arxiv.org/abs/2302.02013v4
Date: Sun, 28 May 2023 15:34:32 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 01:50:23.174572
Title: IoT Botnet Detection Using an Economic Deep Learning Model
Title（参考訳）: 経済深層学習モデルを用いたIoTボットネットの検出
Authors: Nelly Elsayed, Zag ElSayed, Magdy Bayoumi
Abstract要約: 本稿では,IoTボットネット攻撃をさまざまな種類の攻撃とともに検出する経済的な深層学習モデルを提案する。提案モデルは,実装予算を小さくし,訓練と検出の高速化を図ることで,最先端の検知モデルよりも高い精度を実現した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapid progress in technology innovation usage and distribution has increased in the last decade. The rapid growth of the Internet of Things (IoT) systems worldwide has increased network security challenges created by malicious third parties. Thus, reliable intrusion detection and network forensics systems that consider security concerns and IoT systems limitations are essential to protect such systems. IoT botnet attacks are one of the significant threats to enterprises and individuals. Thus, this paper proposed an economic deep learning-based model for detecting IoT botnet attacks along with different types of attacks. The proposed model achieved higher accuracy than the state-of-the-art detection models using a smaller implementation budget and accelerating the training and detecting processes.
Abstract（参考訳）: 技術の革新と流通の急速な進歩は、この10年間で増加している。世界中のIoT(Internet of Things)システムの急速な成長は、悪意のあるサードパーティが生み出したネットワークセキュリティ上の課題を増大させている。したがって、セキュリティ上の懸念やIoTシステムの制限を考慮に入れた、信頼性の高い侵入検知とネットワークフォサイシクスシステムは、そのようなシステムを保護する上で不可欠である。 IoTボットネット攻撃は企業や個人にとって重要な脅威のひとつだ。そこで本稿では,IoTボットネット攻撃を検知する経済的深層学習モデルを提案する。提案手法は, 実装予算を小さくし, 訓練および検出プロセスを高速化することで, 最先端検出モデルよりも高い精度を達成した。

関連論文リスト

Federated Learning-Driven Cybersecurity Framework for IoT Networks with Privacy-Preserving and Real-Time Threat Detection Capabilities [0.0]
従来の集中型セキュリティ手法は、IoTネットワークにおけるプライバシ保護とリアルタイム脅威検出のバランスをとるのに苦労することが多い。本研究では,IoT環境に特化したフェデレート学習駆動型サイバーセキュリティフレームワークを提案する。局所的に訓練されたモデルのセキュアアグリゲーションは、同型暗号を用いて達成され、機密情報を漏らさずに協調学習が可能である。
論文参考訳（メタデータ） (2025-02-14T23:11:51Z)
Enhanced Hybrid Deep Learning Approach for Botnet Attacks Detection in IoT Environment [0.5384718724090648]
BotnetはIoTデバイスやシステムに対する信頼の喪失を攻撃し、セキュリティ、信頼性、整合性への信頼を損なう。ディープラーニング技術は、データの複雑なパターンを分析して学習する能力により、ボットネット攻撃の検出を大幅に強化した。本研究では、ボットネット攻撃検出のためのディープ畳み込みニューラルネットワーク、Bi-Directional Long Short-Term Memory(Bi-LSTM)、Bi-Directional Gated Recurrent Unit(Bi-GRU)、Recurrent Neural Networks(RNN)の積み重ねを提案した。
論文参考訳（メタデータ） (2025-02-10T03:59:27Z)
CryptoDNA: A Machine Learning Paradigm for DDoS Detection in Healthcare IoT, Inspired by crypto jacking prevention Models [0.0]
医療業界におけるIoT(Internet of Things)とIoM(Internet of Medical)の急速な統合は、患者のケアと病院運営を大幅に改善した。 DDoS攻撃には重大な危険があり、運用上の安定性と患者の安全性を損なう。本研究は,暗号ジャッキング検出手法に影響された,革新的な機械学習検出フレームワークであるCryptoDNAを紹介する。
論文参考訳（メタデータ） (2025-01-30T18:22:16Z)
Enhancing Cybersecurity in IoT Networks: A Deep Learning Approach to Anomaly Detection [0.0]
インターネットやスマートデバイスの普及は、サイバー犯罪の増加につながっている。本稿では,IoTネットワークにおけるサイバー犯罪と戦う上で重要な戦略であるLSTMとアテンションメカニズムを取り入れたディープラーニングモデルを提案する。
論文参考訳（メタデータ） (2024-12-11T11:31:05Z)
Countering Autonomous Cyber Threats [40.00865970939829]
ファンデーションモデルは、サイバードメイン内で広く、特に二元的関心事を提示します。近年の研究では、これらの先進的なモデルが攻撃的なサイバースペース操作を通知または独立に実行する可能性を示している。この研究は、孤立したネットワークでマシンを妥協する能力について、最先端のいくつかのFMを評価し、そのようなAIによる攻撃を倒す防御メカニズムを調査する。
論文参考訳（メタデータ） (2024-10-23T22:46:44Z)
Machine Learning-Assisted Intrusion Detection for Enhancing Internet of Things Security [1.2369895513397127]
IoT(Internet of Things)に対する攻撃は、デバイス、アプリケーション、インタラクションのネットワーク化と統合化が進むにつれて増加している。 IoTデバイスを効率的にセキュアにするためには、侵入システムのリアルタイム検出が重要である。本稿では、IoTセキュリティのための機械学習ベースの侵入検知戦略に関する最新の研究について検討する。
論文参考訳（メタデータ） (2024-10-01T19:24:34Z)
Lightweight CNN-BiLSTM based Intrusion Detection Systems for Resource-Constrained IoT Devices [38.16309790239142]
侵入検知システム(IDS)は、従来のコンピュータシステムにおけるサイバー攻撃の検出と防止に重要な役割を果たしてきた。 Internet of Things(IoT)デバイスで利用可能な限られた計算リソースは、従来のコンピューティングベースのIDSのデプロイを困難にしている。軽量CNNと双方向LSTM(BiLSTM)を組み合わせたハイブリッドCNNアーキテクチャを提案し,UNSW-NB15データセット上でのIDSの性能向上を図る。
論文参考訳（メタデータ） (2024-06-04T20:36:21Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。 TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
論文参考訳（メタデータ） (2021-03-10T19:03:38Z)
Lightweight Collaborative Anomaly Detection for the IoT using Blockchain [40.52854197326305]
モノのインターネット(IoT)デバイスには、攻撃者によって悪用される可能性のある多くの脆弱性がある傾向がある。異常検出のような教師なしの技術は、これらのデバイスをプラグ・アンド・プロテクトで保護するために使用することができる。 Raspberry Pi48台からなる分散IoTシミュレーションプラットフォームを提案する。
論文参考訳（メタデータ） (2020-06-18T14:50:08Z)
Timely Detection and Mitigation of Stealthy DDoS Attacks via IoT Networks [30.68108039722565]
Internet of Things(IoT)デバイスは、妥協される可能性があり、Mongon DDoSと呼ばれる、新たなタイプのステルスなDistributed Denial of Service(DDoS)攻撃の一部である。本研究は,この出現するDDoS攻撃をタイムリーに検出・緩和できる,新しい異常検出システム(IDS)を提案する。
論文参考訳（メタデータ） (2020-06-15T00:54:49Z)

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。