論文の概要: Enhancing Workflow Security in Multi-Cloud Environments through Monitoring and Adaptation upon Cloud Service and Network Security Violations

• arxiv url: http://arxiv.org/abs/2310.01878v1
• Date: Tue, 3 Oct 2023 08:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 05:05:19.229444
• Title: Enhancing Workflow Security in Multi-Cloud Environments through Monitoring and Adaptation upon Cloud Service and Network Security Violations
• Title（参考訳）: クラウドサービスとネットワークセキュリティ違反の監視と適応によるマルチクラウド環境におけるワークフローセキュリティの強化
• Authors: Nafiseh Soveizi and Dimka Karastoyanova
• Abstract要約: ワークフロー実行中のセキュリティ違反を検出するために,クラウドサービスやネットワークの監視に重点を置くアプローチを提案する。 提案手法は,検出手順の性能と,選択した適応がワークフローに与える影響に基づいて評価する。
• 参考スコア（独自算出の注目度）: 2.5835347022640254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cloud computing has emerged as a crucial solution for handling data- and compute-intensive workflows, offering scalability to address dynamic demands. However, ensuring the secure execution of workflows in the untrusted multi-cloud environment poses significant challenges, given the sensitive nature of the involved data and tasks. The lack of comprehensive approaches for detecting attacks during workflow execution, coupled with inadequate measures for reacting to security and privacy breaches has been identified in the literature. To close this gap, in this work, we propose an approach that focuses on monitoring cloud services and networks to detect security violations during workflow executions. Upon detection, our approach selects the optimal adaptation action to minimize the impact on the workflow. To mitigate the uncertain cost associated with such adaptations and their potential impact on other tasks in the workflow, we employ adaptive learning to determine the most suitable adaptation action. Our approach is evaluated based on the performance of the detection procedure and the impact of the selected adaptations on the workflows.
• Abstract（参考訳）: クラウドコンピューティングは、データと計算集約的なワークフローを扱う上で重要なソリューションとして登場し、動的要求に対処するためのスケーラビリティを提供する。 しかしながら、信頼できないマルチクラウド環境におけるワークフローのセキュアな実行を保証することは、関連するデータやタスクの機密性を考えると、大きな課題となる。 ワークフロー実行中の攻撃を検出するための包括的なアプローチの欠如と、セキュリティやプライバシ侵害への対処方法の不十分さが文献で確認されている。 このギャップを埋めるため,本研究では,ワークフロー実行中のセキュリティ違反を検出するクラウドサービスやネットワークの監視に重点を置くアプローチを提案する。 検出時にワークフローへの影響を最小限に抑えるために最適な適応動作を選択する。 このような適応に伴う不確実なコストとワークフロー内の他のタスクに対する潜在的な影響を軽減するため、適応学習を用いて最も適切な適応行動を決定する。 提案手法は,検出手順の性能と,選択した適応がワークフローに与える影響に基づいて評価する。

関連論文リスト

• TabSec: A Collaborative Framework for Novel Insider Threat Detection [8.27921273043059]
  IoT(Internet of Things, モノのインターネット)とデータ共有の時代には、ユーザは自分の個人情報をエンタープライズデータベースに頻繁にアップロードして、サービスエクスペリエンスの向上を享受する。 しかし、システム脆弱性、リモートネットワーク侵入、インサイダーの脅威が広まれば、インターネット上のプライベートエンタープライズデータの露出が著しく増加する。 本稿では,これらの課題に対処する新たな脅威検出フレームワークTabITDを提案する。
  論文  参考訳（メタデータ） (2024-11-04T04:07:16Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorFBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorFEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することができることを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• Mimicking User Data: On Mitigating Fine-Tuning Risks in Closed Large Language Models [53.50543146583101]
  小さなデータセット上の微調整された大きな言語モデルは、特定の下流タスクのパフォーマンスを向上させることができる。 悪意のあるアクターは、ほぼすべてのタスク固有のデータセットの構造を微妙に操作することで、より危険なモデル行動を促進することができる。 本稿では,タスク形式を模倣した安全データとユーザデータのスタイルを混合した新しい緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-12T18:33:11Z)
• Adaptive Testing Environment Generation for Connected and Automated Vehicles with Dense Reinforcement Learning [7.6589102528398065]
  複数のサロゲートモデルを組み込んだアダプティブテスト環境を構築する。 そこで本研究では,高効率な高密度強化学習手法を提案し,新しい適応政策を考案する。
  論文  参考訳（メタデータ） (2024-02-29T15:42:33Z)
• SecFlow: Adaptive Security-Aware Workflow Management System in Multi-Cloud Environments [2.12121796606941]
  We propose a architecture for a security-aware workflow management system (WfMS)。 SecFlowは、セキュアなモデル構築、セキュリティ対応サービス選択、セキュリティ違反検出、適応応答機構などの重要な機能コンポーネントを統合している。
  論文  参考訳（メタデータ） (2023-07-11T09:27:07Z)
• Adaptive Real Time Exploration and Optimization for Safety-Critical Systems [0.0]
  安全制約を考慮したプログラミング問題として,マルチアームバンディットを用いたARTEOアルゴリズムを提案する。 最適化入力の変化と探索を通して環境特性を学習する。 既存のセーフラーニング手法と比較して、我々のアルゴリズムは排他的な探索フェーズを必要とせず、探索点においても最適化目標に従う。
  論文  参考訳（メタデータ） (2022-11-10T11:37:22Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• Networked Online Learning for Control of Safety-Critical Resource-Constrained Systems based on Gaussian Processes [9.544146562919792]
  本稿では,ガウス過程の回帰に基づく新しいネットワーク型オンライン学習手法を提案する。 本稿では,送信チャネルの帯域制限と時間遅延を考慮した,ローカルシステムとクラウド間の効率的なデータ伝送方式を提案する。
  論文  参考訳（メタデータ） (2022-02-23T13:12:12Z)
• Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
  本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。 価値に基づく政策段階の深層強化学習(DRL)について考察する。 また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:53:56Z)
• Lifelong Unsupervised Domain Adaptive Person Re-identification with Coordinated Anti-forgetting and Adaptation [127.6168183074427]
  本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。 これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。 我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
  論文  参考訳（メタデータ） (2021-12-13T13:19:45Z)
• One Solution is Not All You Need: Few-Shot Extrapolation via Structured MaxEnt RL [142.36621929739707]
  課題を達成するために多様な行動を学ぶことは、様々な環境に一般化する行動を引き起こす可能性があることを示す。 トレーニング中の1つの環境でタスクの複数のソリューションを識別することにより、我々のアプローチは新たな状況に一般化できる。
  論文  参考訳（メタデータ） (2020-10-27T17:41:57Z)

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。