論文の概要: Smart Environment for Adaptive Learning of Cybersecurity Skills

• arxiv url: http://arxiv.org/abs/2307.05281v1
• Date: Tue, 11 Jul 2023 14:20:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-12 14:45:23.717653
• Title: Smart Environment for Adaptive Learning of Cybersecurity Skills
• Title（参考訳）: サイバーセキュリティスキルの適応学習のためのスマート環境
• Authors: Jan Vykopal, Pavel Seda, Valdemar \v{S}v\'abensk\'y, Pavel \v{C}eleda
• Abstract要約: 我々は、サイバーセキュリティスキルを適応的にトレーニングするための、ユニークで斬新なスマート環境を設計した。 環境は様々な学生データを収集し、トレーニングを通じて適切な学習経路を割り当てる。 各種能力を有する114人の生徒が参加する2種類の適応学習を用いて,学習環境の評価を行った。
• 参考スコア（独自算出の注目度）: 0.5735035463793008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hands-on computing education requires a realistic learning environment that enables students to gain and deepen their skills. Available learning environments, including virtual and physical labs, provide students with real-world computer systems but rarely adapt the learning environment to individual students of various proficiency and background. We designed a unique and novel smart environment for adaptive training of cybersecurity skills. The environment collects a variety of student data to assign a suitable learning path through the training. To enable such adaptiveness, we proposed, developed, and deployed a new tutor model and a training format. We evaluated the learning environment using two different adaptive trainings attended by 114 students of various proficiency. The results show students were assigned tasks with a more appropriate difficulty, which enabled them to successfully complete the training. Students reported that they enjoyed the training, felt the training difficulty was appropriately designed, and would attend more training sessions like these. Instructors can use the environment for teaching any topic involving real-world computer networks and systems because it is not tailored to particular training. We freely released the software along with exemplary training so that other instructors can adopt the innovations in their teaching practice.
• Abstract（参考訳）: ハンズオンコンピューティング教育は、学生が自分のスキルを習得し、より深くするための現実的な学習環境を必要とする。 仮想および物理ラボを含む利用可能な学習環境は、学生に現実世界のコンピュータシステムを提供するが、様々な技能と背景を持つ個々の学生に学習環境を適用することは滅多にない。 我々は、サイバーセキュリティスキルを適応的に訓練するためのユニークな新しいスマート環境を設計した。 環境は様々な学生データを収集し、トレーニングを通じて適切な学習経路を割り当てる。 このような適応性を実現するため、我々は新しいチューターモデルとトレーニングフォーマットを提案し、開発し、展開した。 様々な習熟度を持つ114名の学生による2つの適応訓練を用いて,学習環境の評価を行った。 その結果、学生はより適切な難易度でタスクを割り当てられ、訓練を成功させることができた。 学生はトレーニングを楽しんだと報告し、トレーニングの難しさは適切に設計されており、このようなトレーニングセッションにもっと出席するだろうと感じた。 インストラクタはこの環境を利用して、現実世界のコンピュータネットワークやシステムに関わるあらゆるトピックを教えることができる。 私たちはこのソフトウェアを模範的なトレーニングとともに自由にリリースし、他のインストラクターが彼らの教育実践にイノベーションを取り入れられるようにしました。

関連論文リスト

• Eurekaverse: Environment Curriculum Generation via Large Language Models [45.087121551202735]
  Eurekaverseは、大規模言語モデルを用いて、スキルトレーニングのために徐々に困難な環境をサンプリングする教師なし環境設計アルゴリズムである。 本研究では,四足歩行学習におけるユーレカバースの有効性を検証する。
  論文  参考訳（メタデータ） (2024-11-04T03:54:00Z)
• Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
  ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。 我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。 提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
  論文  参考訳（メタデータ） (2023-10-23T17:50:08Z)
• ASE: Large-Scale Reusable Adversarial Skill Embeddings for Physically Simulated Characters [123.88692739360457]
  汎用運動技術により、人間は複雑な作業を行うことができる。 これらのスキルは、新しいタスクを学ぶときの振る舞いを導くための強力な先駆者も提供します。 物理シミュレーション文字のための汎用的で再利用可能なスキル埋め込みを学習するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-04T06:13:28Z)
• Fully Online Meta-Learning Without Task Boundaries [80.09124768759564]
  この性質のオンライン問題にメタラーニングを適用する方法について検討する。 タスク境界に関する基礎的な真理知識を必要としない完全オンラインメタラーニング(FOML)アルゴリズムを提案する。 実験の結果,FOMLは最先端のオンライン学習手法よりも高速に新しいタスクを学習できることがわかった。
  論文  参考訳（メタデータ） (2022-02-01T07:51:24Z)
• Reinforcing Cybersecurity Hands-on Training With Adaptive Learning [0.5735035463793008]
  本論文は,セキュリティトレーニングにおける適応学習に関する最初の研究の1つである。 本研究は,12回の研修セッションにおける95人の学生のパフォーマンスを分析し,現在の研修実践の限界を理解することを目的とする。 そこで,本研究では,学生の習熟度を考慮した適応学習のための新しいチューターモデルを提案する。
  論文  参考訳（メタデータ） (2022-01-05T12:35:40Z)
• The Other Side of Black Screen: Rethinking Interaction in Synchronous Remote Learning for Collaborative Programming [0.0]
  協調学習環境は、批判的思考や問題解決といった経験的なハンズオンスキルの学習に不可欠である。 本稿では,新型コロナウイルスのパンデミック前後に提供される2つのプログラミングコースの,個人版とオンライン版について考察する。 現在のオンラインビデオ会議プラットフォームは、同僚間の協調学習を育むことはできない。
  論文  参考訳（メタデータ） (2021-11-11T01:52:12Z)
• Scalable Learning Environments for Teaching Cybersecurity Hands-on [0.4893345190925178]
  本稿では,対話型学習環境を用いたサイバーセキュリティハンズオン授業のスケーラブル化のための技術革新について述べる。 我々は,サイバーセキュリティの授業を大規模に展開する学習環境の設計と利用における研究の取り組みと実践経験について述べる。
  論文  参考訳（メタデータ） (2021-10-19T14:18:54Z)
• Interaction-limited Inverse Reinforcement Learning [50.201765937436654]
  本稿では,教師の視点をカバーしたカリキュラム逆強化学習(CIRL)と,学習者の視点に着目した自己適用逆強化学習(SPIRL)の2つの訓練戦略を提案する。 シミュレーション実験と実ロボットを用いた実験により,CIRLの無作為教師やSPIRLのバッチ学習者よりも高速な学習が可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T12:31:52Z)
• Never Stop Learning: The Effectiveness of Fine-Tuning in Robotic Reinforcement Learning [109.77163932886413]
  本稿では,ロボットによるロボット操作ポリシーを,政治以外の強化学習を通じて微調整することで,新たなバリエーションに適応する方法を示す。 この適応は、タスクをゼロから学習するために必要なデータの0.2%未満を使用する。 事前訓練されたポリシーを適用するという私たちのアプローチは、微調整の過程で大きなパフォーマンス向上につながります。
  論文  参考訳（メタデータ） (2020-04-21T17:57:04Z)

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。