論文の概要: Prevention of cyberattacks in WSN and packet drop by CI framework and
information processing protocol using AI and Big Data
- arxiv url: http://arxiv.org/abs/2306.09448v1
- Date: Thu, 15 Jun 2023 19:00:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-19 16:08:23.846018
- Title: Prevention of cyberattacks in WSN and packet drop by CI framework and
information processing protocol using AI and Big Data
- Title(参考訳): AIとビッグデータを用いたCIフレームワークと情報処理プロトコルによるWSNにおけるサイバー攻撃の防止とパケットドロップ
- Authors: Shreyanth S
- Abstract要約: 本研究では、認知知能(CI)フレームワーク、情報処理プロトコル、高度な人工知能(AI)およびビッグデータ分析アプローチを統合する。
このフレームワークは、DoS(DoS)攻撃、ノードの妥協、データ改ざんなど、さまざまなタイプの攻撃を検出し、防止することができる。
パケットドロップの発生に対して非常に耐性があり、WSN全体の信頼性と性能を向上させる。
- 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: As the reliance on wireless sensor networks (WSNs) rises in numerous sectors,
cyberattack prevention and data transmission integrity become essential
problems. This study provides a complete framework to handle these difficulties
by integrating a cognitive intelligence (CI) framework, an information
processing protocol, and sophisticated artificial intelligence (AI) and big
data analytics approaches. The CI architecture is intended to improve WSN
security by dynamically reacting to an evolving threat scenario. It employs
artificial intelligence algorithms to continuously monitor and analyze network
behavior, identifying and mitigating any intrusions in real time. Anomaly
detection algorithms are also included in the framework to identify packet drop
instances caused by attacks or network congestion. To support the CI
architecture, an information processing protocol focusing on efficient and
secure data transfer within the WSN is introduced. To protect data integrity
and prevent unwanted access, this protocol includes encryption and
authentication techniques. Furthermore, it enhances the routing process with
the use of AI and big data approaches, providing reliable and timely packet
delivery. Extensive simulations and tests are carried out to assess the
efficiency of the suggested framework. The findings show that it is capable of
detecting and preventing several forms of assaults, including as
denial-of-service (DoS) attacks, node compromise, and data tampering.
Furthermore, the framework is highly resilient to packet drop occurrences,
which improves the WSN's overall reliability and performance
- Abstract(参考訳): 無線センサネットワーク(WSN)への依存度が増大するにつれて、サイバー攻撃防止とデータ送信の完全性が重要な問題となっている。
この研究は、認知知能(CI)フレームワーク、情報処理プロトコル、高度な人工知能(AI)とビッグデータ分析アプローチを統合することで、これらの問題に対処するための完全なフレームワークを提供する。
CIアーキテクチャは、進化する脅威シナリオに動的に反応することで、WSNセキュリティを改善することを意図している。
人工知能アルゴリズムを使用して、ネットワークの動作を継続的に監視し、分析し、リアルタイムで侵入を識別し緩和する。
異常検出アルゴリズムは、攻撃やネットワークの混雑に起因するパケットドロップインスタンスを識別するフレームワークにも含まれている。
CIアーキテクチャをサポートするために、WSN内の効率的なセキュアなデータ転送に焦点を当てた情報処理プロトコルが導入された。
データ完全性を保護し、不要なアクセスを防止するため、このプロトコルは暗号化と認証技術を含んでいる。
さらに、AIとビッグデータアプローチを使用してルーティングプロセスを強化し、信頼性とタイムリーなパケット配信を提供する。
提案フレームワークの効率を評価するため, 大規模なシミュレーションと試験を行った。
その結果,DoS(DoS)攻撃,ノード妥協,データ改ざんなど,さまざまな種類の攻撃を検出・防止できることがわかった。
さらに、このフレームワークはパケットドロップの発生に対して非常に耐性があり、WSNの全体的な信頼性と性能が向上する。
関連論文リスト
- SISSA: Real-time Monitoring of Hardware Functional Safety and
Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。
具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。
広範囲な実験結果から,SISSAの有効性と有効性が確認された。
論文 参考訳(メタデータ) (2024-02-21T03:31:40Z) - X-CBA: Explainability Aided CatBoosted Anomal-E for Intrusion Detection
System [2.7423984440051896]
Intrusion Detection Systemsにおける機械学習(ML)モデルとディープラーニング(DL)モデルの使用は、不透明な意思決定による信頼の欠如につながっている。
本稿では、グラフニューラルネットワーク(GNN)の構造的利点を活用して、ネットワークトラフィックデータを効率的に処理する新しい説明可能なIDS手法であるX-CBAを提案する。
本手法は、脅威検出の99.47%で高精度に達成し、その分析結果の明確で実用的な説明を提供する。
論文 参考訳(メタデータ) (2024-02-01T18:29:16Z) - RIDE: Real-time Intrusion Detection via Explainable Machine Learning
Implemented in a Memristor Hardware Architecture [24.824596231020585]
本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。
提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
論文 参考訳(メタデータ) (2023-11-27T17:30:19Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳(メタデータ) (2023-04-25T00:15:00Z) - A Hybrid Deep Learning Anomaly Detection Framework for Intrusion
Detection [4.718295605140562]
本稿では,3段階のディープラーニング異常検出に基づくネットワーク侵入攻撃検出フレームワークを提案する。
このフレームワークは、教師なし(K平均クラスタリング)、半教師付き(GANomaly)、および教師付き学習(CNN)アルゴリズムの統合を含む。
そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
論文 参考訳(メタデータ) (2022-12-02T04:40:54Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳(メタデータ) (2022-03-25T19:57:19Z) - Cross-Layered Distributed Data-driven Framework For Enhanced Smart Grid
Cyber-Physical Security [3.8237485961848128]
Adaptive Statisticsを使用したクロスレイヤアンサンブルCorrDetが紹介される。
故障したSG測定データの検出と、ネットワーク間時間と送信遅延の一貫性の欠如を統合する。
その結果,CECD-ASは複数のFalse Data Injection, Denial of Service (DoS) および Man In The Middle (MITM) 攻撃を高いF1スコアで検出できることがわかった。
論文 参考訳(メタデータ) (2021-11-10T00:00:51Z) - Towards a Privacy-preserving Deep Learning-based Network Intrusion
Detection in Data Distribution Services [0.0]
Data Distribution Service(DDS)は、ICS/IoTインフラストラクチャとロボティクスにおけるコミュニケーションに向けた革新的なアプローチである。
従来の侵入検知システム(IDS)はパブリッシュ/サブスクライブ方式では異常を検知しない。
本稿では,Deep Learningのシミュレーションと応用に関する実験的検討を行った。
論文 参考訳(メタデータ) (2021-06-12T12:53:38Z) - Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。
本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-28T17:55:04Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳(メタデータ) (2020-08-05T19:29:35Z) - A Privacy-Preserving Distributed Architecture for
Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。
クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文 参考訳(メタデータ) (2020-03-30T15:12:03Z)
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。