Fugu-MT 論文翻訳(概要): CNN based IoT Device Identification

論文の概要: CNN based IoT Device Identification

arxiv url: http://arxiv.org/abs/2304.13894v1
Date: Thu, 27 Apr 2023 00:37:16 GMT
ステータス: 処理完了
システム内更新日: 2023-04-28 14:44:04.018077
Title: CNN based IoT Device Identification
Title（参考訳）: CNNベースのIoTデバイス識別
Authors: Kahraman Kostas
Abstract要約: 本稿では、畳み込みニューラルネットワーク(CNN)を用いて、Aaltoデータセット内のデバイスを識別する手法を提案する。本研究では、畳み込みニューラルネットワーク(CNN)を用いて、Aaltoデータセット内のデバイスを識別する手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While the use of the Internet of Things is becoming more and more popular, many security vulnerabilities are emerging with the large number of devices being introduced to the market. In this environment, IoT device identification methods provide a preventive security measure as an important factor in identifying these devices and detecting the vulnerabilities they suffer from. In this study, we present a method that identifies devices in the Aalto dataset using the convolutional neural network (CNN).
Abstract（参考訳）: モノのインターネット(Internet of Things, IoT)の利用がますます人気になっているが、多くのセキュリティ脆弱性が出現し、多くのデバイスが市場に投入されている。この環境では、IoTデバイス識別方法は、これらのデバイスを特定し、彼らが苦しむ脆弱性を検出する上で重要な要素として、予防的セキュリティ対策を提供する。本研究では,畳み込みニューラルネットワーク(CNN)を用いて,Aaltoデータセット内のデバイスを識別する手法を提案する。

関連論文リスト

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)
Classification of cyber attacks on IoT and ubiquitous computing devices [49.1574468325115]
本稿ではIoTマルウェアの分類について述べる。攻撃の主要なターゲットと使用済みのエクスプロイトが特定され、特定のマルウェアを参照される。現在のIoT攻撃の大部分は、相容れない低い労力と高度なレベルであり、既存の技術的措置によって緩和される可能性がある。
論文参考訳（メタデータ） (2023-12-01T16:10:43Z)
IoTScent: Enhancing Forensic Capabilities in Internet of Things Gateways [45.44831696628473]
本稿では,IoTゲートウェイとホームオートメーションプラットフォームがIoTトラフィックのキャプチャと分析を行うことを可能にする,オープンソースの法医学ツールであるIoTScentを紹介する。 IoTScentは特に、Zigbeeや6LoWPAN、Threadといった多くのIoT固有のプロトコルの基礎であるIEEE5.4ベースのトラフィックを操作するように設計されている。この作業は、Zigbeeトラフィックからデバイス識別を実行するためのツールの使用を実証する実用的なユースケースを含む、IoTScentツールの包括的な説明を提供する。
論文参考訳（メタデータ） (2023-10-05T09:10:05Z)
An Intelligent Mechanism for Monitoring and Detecting Intrusions in IoT Devices [0.7219077740523682]
この研究は、フェデレートラーニングとマルチ層パーセプトロンニューラルネットワークを活用して、IoTデバイスに対するサイバー攻撃を高精度に検出し、データプライバシ保護を強化するホストベースの侵入検知システムを提案する。
論文参考訳（メタデータ） (2023-06-23T11:26:00Z)
LSTM based IoT Device Identification [0.0]
本稿では,Long short-term memory (LSTM) を用いて,Aaltoデータセット内のデバイスを識別する手法を提案する。本研究では,Long short-term memory(LSTM)を用いて,Aaltoデータセット内のデバイスを識別する手法を提案する。
論文参考訳（メタデータ） (2023-04-27T01:13:12Z)
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)
Automated Identification of Vulnerable Devices in Networks using Traffic Data and Deep Learning [30.536369182792516]
脆弱性データベースのデータと組み合わせたデバイスタイプの識別は、ネットワーク内の脆弱なiotデバイスを特定できる。信頼性の高いIoTデバイスタイプ識別のための2つの深層学習手法を提案し,評価する。
論文参考訳（メタデータ） (2021-02-16T14:49:34Z)
Machine Learning for the Detection and Identification of Internet of Things (IoT) Devices: A Survey [16.3730669259576]
モノのインターネット(IoT)は、さまざまな新興サービスやアプリケーションを可能にする、日常生活の不可欠な部分になりつつあります。 IoTを確保する第一歩は、不正なIoTデバイスを検出し、正当なものを識別することです。 iotデバイスの識別と検出を,デバイス固有のパターン認識,ディープラーニングによるデバイス識別,教師なしデバイス識別,異常デバイス検出の4つのカテゴリに分類した。
論文参考訳（メタデータ） (2021-01-25T15:51:04Z)
Lightweight IoT Malware Detection Solution Using CNN Classification [2.288885651912488]
IoTデバイスのセキュリティ面は幼児の分野です。ネットワーク上の特定のIoTノードの悪意ある振る舞いを認識するシステムを開発した。畳み込みニューラルネットワークと監視により、ネットワーク内にインストール可能な中央ノードを使用して、IoTのマルウェア検出が可能になった。
論文参考訳（メタデータ） (2020-10-13T10:56:33Z)
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)
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。