論文の概要: Risk and Threat Mitigation Techniques in Internet of Things (IoT) Environments: A Survey
- arxiv url: http://arxiv.org/abs/2310.01676v1
- Date: Mon, 2 Oct 2023 22:26:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 03:31:41.292604
- Title: Risk and Threat Mitigation Techniques in Internet of Things (IoT) Environments: A Survey
- Title(参考訳): モノのインターネット(IoT)環境におけるリスクと脅威軽減技術:サーベイ
- Authors: Marwa Salayma,
- Abstract要約: IoT(Internet of Things)のセキュリティは依然として主要な関心領域である。
この調査は、過去の調査でカバーされた芸術の状態を更新し、脅威だけに限らず、脅威から守ることに重点を置いている。
ライフサイクルアプローチが採用され、悪意のあるアクターがIoTネットワークを横方向とそれから妥協する"深みの防御"戦略を形成する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Security in the Internet of Things (IoT) remains a predominant area of concern. This survey updates the state of the art covered in previous surveys and focuses on defending against threats rather than on the threats alone. This area is less extensively covered by other surveys and warrants particular attention. A life-cycle approach is adopted, articulated to form a "defence in depth" strategy against malicious actors compromising an IoT network laterally within it and from it. This study highlights the challenges of each mitigation step, emphasises novel perspectives, and reconnects the discussed mitigation steps to the ground principles they seek to implement.
- Abstract(参考訳): IoT(Internet of Things)のセキュリティは依然として主要な関心領域である。
この調査は、過去の調査で取り上げられた最先端の状況を更新し、脅威だけに限らず、脅威から守ることに焦点を当てている。
この地域は、他の調査や令状により、より広範囲にカバーされていない。
ライフサイクルアプローチが採用され、悪意のあるアクターがIoTネットワークを横方向とそれから妥協する"深みの防御"戦略を形成する。
この研究は、各緩和ステップの課題を強調し、新しい視点を強調し、議論された緩和ステップを彼らが実行しようとしている基本原則に再接続する。
関連論文リスト
- A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures [50.987594546912725]
AIのプライバシと説明可能性に関する研究が増えているにもかかわらず、プライバシを保存するモデル説明にはほとんど注意が払われていない。
本稿では,モデル説明に対するプライバシ攻撃とその対策に関する,最初の徹底的な調査を紹介する。
論文 参考訳(メタデータ) (2024-03-31T12:44:48Z) - Tackling Cyberattacks through AI-based Reactive Systems: A Holistic
Review and Future Vision [0.0]
この調査は、AIをサイバー防衛に統合する複雑さと機会を明らかにすることを目的としている。
今後の様々な研究課題が提示される。
これらの課題は、AI統合リアクティブ戦略の分野における研究者や実践者のロードマップとして役立ちます。
論文 参考訳(メタデータ) (2023-12-11T09:17:01Z) - Trust-based Approaches Towards Enhancing IoT Security: A Systematic Literature Review [3.0969632359049473]
本研究は,IoTに対するTrustベースのサイバーセキュリティセキュリティアプローチについて,系統的な文献レビューを行う。
我々は、これらの脅威に対処するために存在する共通の信頼に基づく緩和テクニックを強調した。
いくつかのオープンな問題が強調され、将来の研究の方向性が提示された。
論文 参考訳(メタデータ) (2023-11-20T12:21:35Z) - How Deep Learning Sees the World: A Survey on Adversarial Attacks &
Defenses [0.0]
本稿では、攻撃能力によってグループ化された最新の敵攻撃と、防御戦略によってクラスタ化された現代の防御をコンパイルする。
また、視覚変換器に関する新たな進歩を提示し、敵対的設定の文脈で使用されるデータセットとメトリクスを要約し、異なる攻撃下での最先端の結果を比較し、オープンな問題の特定で終了する。
論文 参考訳(メタデータ) (2023-05-18T10:33:28Z) - On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。
我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。
ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
論文 参考訳(メタデータ) (2023-05-03T18:47:42Z) - 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) - New Challenges in Reinforcement Learning: A Survey of Security and
Privacy [26.706957408693363]
強化学習(Reinforcement Learning, RL)は、AIの最も重要な分野のひとつ。
RLは医療、データ市場、自動運転、ロボット工学など、さまざまな分野で広く採用されている。
これらのアプリケーションやシステムは、セキュリティやプライバシ攻撃に弱いことが示されている。
論文 参考訳(メタデータ) (2022-12-31T12:30:43Z) - Physical Adversarial Attack meets Computer Vision: A Decade Survey [57.46379460600939]
本稿では,身体的敵意攻撃の概要を概観する。
本研究は,身体的敵意攻撃の性能を体系的に評価する第一歩を踏み出した。
提案する評価基準であるhiPAAは6つの視点から構成される。
論文 参考訳(メタデータ) (2022-09-30T01:59:53Z) - Machine Learning-Enabled IoT Security: Open Issues and Challenges Under
Advanced Persistent Threats [15.451585677257235]
モノのインターネット(IoT)は、無線媒体の脆弱性のため、サイバーの弱点がある。
アドバンスト・永続脅威(APT)は、ネットワークを侵害するサイバー犯罪者にとって顕著である。
機械学習(ML)ベースの手法は、有望なパフォーマンスを持つIoTネットワークにおけるサイバー脅威に対して広く使用されている。
論文 参考訳(メタデータ) (2022-04-07T13:25:49Z) - 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) - 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)
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。