論文の概要: Machine Learning for Detection and Mitigation of Web Vulnerabilities and
Web Attacks
- arxiv url: http://arxiv.org/abs/2304.14451v1
- Date: Thu, 27 Apr 2023 18:27:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 16:15:13.239003
- Title: Machine Learning for Detection and Mitigation of Web Vulnerabilities and
Web Attacks
- Title（参考訳）: Web脆弱性の検出と軽減のための機械学習とWeb攻撃
- Authors: Mahnoor Shahid
- Abstract要約: クロスサイトスクリプティング(XSS)とクロスサイトリクエストフォージェリ(CSRF)は、Webセキュリティの分野で大きな関心事となっている。
これらのWeb脆弱性を検出するパフォーマンスを改善するために、いくつかのアイデアが提案されている。
機械学習技術は最近、XSSやCSRFに対抗するために研究者によって使用されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Detection and mitigation of critical web vulnerabilities and attacks like
cross-site scripting (XSS), and cross-site request forgery (CSRF) have been a
great concern in the field of web security. Such web attacks are evolving and
becoming more challenging to detect. Several ideas from different perspectives
have been put forth that can be used to improve the performance of detecting
these web vulnerabilities and preventing the attacks from happening. Machine
learning techniques have lately been used by researchers to defend against XSS
and CSRF, and given the positive findings, it can be concluded that it is a
promising research direction. The objective of this paper is to briefly report
on the research works that have been published in this direction of applying
classical and advanced machine learning to identify and prevent XSS and CSRF.
The purpose of providing this survey is to address different machine learning
approaches that have been implemented, understand the key takeaway of every
research, discuss their positive impact and the downsides that persists, so
that it can help the researchers to determine the best direction to develop new
approaches for their own research and to encourage researchers to focus towards
the intersection between web security and machine learning.
- Abstract（参考訳）: 重要なWeb脆弱性の検出と緩和、クロスサイトスクリプティング(XSS)やクロスサイトリクエストフォージェリ(CSRF)といった攻撃は、Webセキュリティの分野で大きな関心事となっている。
このようなweb攻撃は進化し、検出が難しくなっている。
異なる視点から考えるいくつかのアイデアは、これらのWeb脆弱性の検出と攻撃の防止のパフォーマンス向上に使用することができる。
機械学習技術は近年、XSSやCSRFに対する防御に研究者によって使われており、肯定的な結果から、有望な研究方向であると結論付けることができる。
本研究の目的は,XSS と CSRF を識別・防止するために,古典的・高度な機械学習を適用した研究成果を簡潔に報告することである。
この調査の目的は、実装されたさまざまな機械学習アプローチに対処し、すべての研究の要点を理解し、ポジティブな影響と持続する欠点について議論し、研究者が自身の研究のために新しいアプローチを開発する最善の方向を決定するのに役立つようにし、Webセキュリティと機械学習の交差点に焦点を合わせることを奨励することである。
関連論文リスト
- 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) - Adversarial Challenges in Network Intrusion Detection Systems: Research Insights and Future Prospects [0.33554367023486936]
本稿では,機械学習を用いたネットワーク侵入検知システム(NIDS)の総合的なレビューを行う。
NIDSにおける既存の研究を批判的に検討し、重要なトレンド、強み、限界を強調した。
我々は、この分野における新たな課題について議論し、より堅牢でレジリエントなNIDSの開発に向けた洞察を提供する。
論文 参考訳（メタデータ） (2024-09-27T13:27:29Z) - A Survey on the Application of Generative Adversarial Networks in Cybersecurity: Prospective, Direction and Open Research Scopes [1.3631461603291568]
GAN(Generative Adversarial Networks)は、常に変化するセキュリティ問題に対処する強力なソリューションとして登場した。
本研究は, サイバーセキュリティの防衛強化において, GANを的確に捉えた深層学習モデルの重要性について検討した。
焦点は、これらのドメインにおけるサイバーセキュリティの防御を強化するために、GANがいかに影響力のあるツールになり得るかを調べることである。
論文 参考訳（メタデータ） (2024-07-11T19:51:48Z) - An Investigation into the Performances of the State-of-the-art Machine Learning Approaches for Various Cyber-attack Detection: A Survey [1.1881667010191568]
我々は過去5年間の様々なサイバー攻撃検出における最先端の機械学習モデルの適合性について分析した。
我々はまた、異種サイバー攻撃の検出における最先端の分類器と新しいフレームワークに関する最近の研究の適性、効率、限界についてもレビューした。
論文 参考訳（メタデータ） (2024-02-26T22:04:25Z) - Graph Mining for Cybersecurity: A Survey [61.505995908021525]
マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。
従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。
グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
論文 参考訳（メタデータ） (2023-04-02T08:43:03Z) - Adversarial Attacks and Defenses in Machine Learning-Powered Networks: A
Contemporary Survey [114.17568992164303]
機械学習とディープニューラルネットワークにおけるアドリアックと防御が注目されている。
本調査は、敵攻撃・防衛技術分野における最近の進歩を包括的に概観する。
検索ベース、意思決定ベース、ドロップベース、物理世界攻撃など、新たな攻撃方法も検討されている。
論文 参考訳（メタデータ） (2023-03-11T04:19:31Z) - Adversarial Machine Learning In Network Intrusion Detection Domain: A
Systematic Review [0.0]
ディープラーニングモデルは、誤った分類決定を行うためにモデルを誤解させる可能性のあるデータインスタンスに対して脆弱であることがわかった。
本調査では,ネットワーク侵入検出分野における敵機械学習のさまざまな側面を利用した研究について検討する。
論文 参考訳（メタデータ） (2021-12-06T19:10:23Z) - Inspect, Understand, Overcome: A Survey of Practical Methods for AI
Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。
近年,これらの安全対策を目的とした最先端技術動物園が出現している。
本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文 参考訳（メタデータ） (2021-04-29T09:54:54Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳（メタデータ） (2020-07-05T18:22:40Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。