Fugu-MT 論文翻訳(概要): Risk and Threat Mitigation Techniques in Internet of Things (IoT) Environments: A Survey

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

Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文参考訳（メタデータ） (2024-11-15T08:09:28Z)
A Comprehensive Analysis of Routing Vulnerabilities and Defense Strategies in IoT Networks [0.0]
IoT(Internet of Things)はさまざまなドメインに革命をもたらし、相互接続性の向上とデータ交換を通じて大きなメリットを提供している。しかし、IoTネットワークに関連するセキュリティ上の課題は、その固有の脆弱性のため、ますます顕著になっている。本稿では、IoTアーキテクチャにおけるネットワーク層の詳細分析を行い、ルーティングアタックによる潜在的なリスクを明らかにする。
論文参考訳（メタデータ） (2024-10-17T04:38:53Z)
A Survey on Physical Adversarial Attacks against Face Recognition Systems [12.056482296260095]
顔認識技術は、金融、軍事、公共安全、日常生活でますます普及している。 FRシステムを現実の環境でターゲットとする物理的敵対攻撃は、かなりの研究関心を集めている。
論文参考訳（メタデータ） (2024-10-10T06:21:44Z)
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)
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)
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 [55.38113802311365]
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)
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。