論文の概要: Predicting IPv4 Services Across All Ports
- arxiv url: http://arxiv.org/abs/2303.00895v1
- Date: Thu, 2 Mar 2023 01:30:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-03 16:27:04.133125
- Title: Predicting IPv4 Services Across All Ports
- Title(参考訳): すべてのポートにわたるIPv4サービスの予測
- Authors: Liz Izhikevich, Renata Teixeira, Zakir Durumeric
- Abstract要約: GPSは、すべてのポートにまたがるインターネットサービスを効率的に発見するシステムである。
全ポートの92.5%のサービスが131倍の帯域幅、204倍の精度でスキャンされている。
- 参考スコア(独自算出の注目度): 8.997932827562444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet-wide scanning is commonly used to understand the topology and
security of the Internet. However, IPv4 Internet scans have been limited to
scanning only a subset of services -- exhaustively scanning all IPv4 services
is too costly and no existing bandwidth-saving frameworks are designed to scan
IPv4 addresses across all ports. In this work we introduce GPS, a system that
efficiently discovers Internet services across all ports. GPS runs a predictive
framework that learns from extremely small sample sizes and is highly
parallelizable, allowing it to quickly find patterns between services across
all 65K ports and a myriad of features. GPS computes service predictions in 13
minutes (four orders of magnitude faster than prior work) and finds 92.5% of
services across all ports with 131x less bandwidth, and 204x more precision,
compared to exhaustive scanning. GPS is the first work to show that, given at
least two responsive IP addresses on a port to train from, predicting the
majority of services across all ports is possible and practical.
- Abstract(参考訳): インターネット全体の走査は、インターネットのトポロジーとセキュリティを理解するためによく用いられる。
しかし、IPv4インターネットスキャンはサービスのサブセットのみをスキャンすることに限定されており、すべてのIPv4サービスを徹底的にスキャンするにはコストがかかりすぎ、既存の帯域幅節約フレームワークがすべてのポートにわたってIPv4アドレスをスキャンするように設計されていない。
本研究では,全ポートにわたるインターネットサービスを効率的に発見するシステムであるGPSを導入する。
GPSは、非常に小さなサンプルサイズから学習し、非常に並列化可能な予測フレームワークを実行し、65Kポート全体にわたるサービス間のパターンと、無数の機能を素早く見つけることができる。
GPSは13分でサービス予測を計算し、全ポートで92.5%のサービスを131倍の帯域幅で、網羅的なスキャンに比べて204倍の精度で処理している。
gpsは、トレーニングするポートの少なくとも2つの応答性のあるipアドレスを考慮すれば、すべてのポートにまたがるサービスの大多数が可能かつ実用的であることを示す最初の作業である。
関連論文リスト
- Lightweight and Progressively-Scalable Networks for Semantic
Segmentation [100.63114424262234]
マルチスケール学習フレームワークは,セマンティックセグメンテーションを向上する有効なモデルのクラスと見なされてきた。
本稿では,畳み込みブロックの設計と,複数スケールにわたる相互作用の仕方について,徹底的に解析する。
我々は,軽量で拡張性の高いネットワーク(LPS-Net)を考案した。
論文 参考訳(メタデータ) (2022-07-27T16:00:28Z) - A Novel Three-Dimensional Navigation Method for the Visually Impaired [0.0]
視覚障害者は、現在、ホワイト杖やGPSベースのナビゲーションのような視力に取って代わるために、ナビゲーション補助に頼らなければならない。
本研究は,複雑な屋内環境を通した接触のないナビゲーションを可能にする3Dイメージングソリューションの開発を目指している。
デバイスは、従来のアプローチに比べて31%少ない誤差で、ユーザの位置と向きを特定できる。
論文 参考訳(メタデータ) (2022-06-20T23:59:43Z) - Traffic Forecasting on Traffic Moving Snippets [5.614519484892094]
トラヒック4キャストの競争では、短期的な交通予測が前例のない細部で取り組まれている。
そこで本研究では,全都市ラスタを一度に処理するのではなく,小さな二次都市区間を予測することを提案する。
traffic4castテストデータのパフォーマンスと検証セットのさらなる実験により、パッチワイズ予測が実際に精度を向上させることが示されている。
論文 参考訳(メタデータ) (2021-10-27T12:36:58Z) - DS-Net++: Dynamic Weight Slicing for Efficient Inference in CNNs and
Transformers [105.74546828182834]
本稿では,様々な難易度を持つ入力に対して,ネットワークパラメータの一部を適応的にスライスする動的ウェイトスライシングという,ハードウェア効率のよい動的推論方式を示す。
我々は、CNNのフィルタ数とCNNと変換器の多重次元を入力依存的に調整することで、動的スライム可能なネットワーク(DS-Net)と動的スライス可能なネットワーク(DS-Net++)を提案する。
論文 参考訳(メタデータ) (2021-09-21T09:57:21Z) - OMPQ: Orthogonal Mixed Precision Quantization [64.59700856607017]
混合精度量子化は、ハードウェアの多重ビット幅演算を利用して、ネットワーク量子化の全ポテンシャルを解き放つ。
本稿では、整数プログラミングの損失と高い相関関係にあるネットワーク性の概念であるプロキシメトリックを最適化することを提案する。
このアプローチは、量子化精度にほとんど妥協することなく、検索時間と必要なデータ量を桁違いに削減する。
論文 参考訳(メタデータ) (2021-09-16T10:59:33Z) - Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。
パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。
接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文 参考訳(メタデータ) (2021-06-07T11:37:03Z) - Waypoint Planning Networks [66.72790309889432]
本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。
我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。
WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
論文 参考訳(メタデータ) (2021-05-01T18:02:01Z) - Distilling Optimal Neural Networks: Rapid Search in Diverse Spaces [16.920328058816338]
DONNA(Distilling Optimal Neural Network Architectures)は、高速ニューラルネットワーク探索と探索空間探索のための新しいパイプラインである。
ImageNet分類では、DONNAが発見したアーキテクチャはNvidia V100 GPUのEfficientNet-B0やMobileNetV2よりも20%高速で、Samsung S20スマートフォンのMobileNetV2-1.4xよりも0.5%高速である。
論文 参考訳(メタデータ) (2020-12-16T11:00:19Z) - NPAS: A Compiler-aware Framework of Unified Network Pruning and
Architecture Search for Beyond Real-Time Mobile Acceleration [48.25487285358816]
異なるDNNと異なるプルーニングスキームをサポートするコンパイラ自動コード生成フレームワークを提案する。
また,NPAS,コンパイラ対応統合ネットワークプルーニング,アーキテクチャ検索を提案する。
我々のフレームワークは,市販携帯電話でそれぞれ78.2%,75%(MobileNet-V3レベル),71%(MobileNet-V2レベル)のTop-1精度で6.7ms,5.9ms,3.9msのImageNet推論時間を実現している。
論文 参考訳(メタデータ) (2020-12-01T16:03:40Z) - SMap: Internet-wide Scanning for Spoofing [25.682009374405528]
Spoofing Mapper (SMap) は、入力フィルタリングのインターネット全体での研究を行う最初のスキャナである。
インターネット上の全自律システム(AS)の69.8%は、スプーフパケットをフィルタリングせず、新たに46880個のスプーフ可能なASを発見した。
論文 参考訳(メタデータ) (2020-03-12T14:16:22Z)
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。