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
- 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) - Algorithm Design for Online Meta-Learning with Task Boundary Detection [57.07616532337541]
非定常環境におけるタスクに依存しないオンラインメタ学習のための新しいアルゴリズムを提案する。
まず,タスクスイッチと分散シフトの簡易かつ効果的な2つの検出機構を提案する。
軽度条件下では,線形タスク平均的後悔がアルゴリズムに対して達成可能であることを示す。
論文 参考訳(メタデータ) (2023-02-02T04:02:49Z) - 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) - Task-agnostic Continual Hippocampus Segmentation for Smooth Population
Shifts [1.069533806668766]
本研究では,段階的な人口移動を伴うタスク非依存環境において,そのような手法がどのように機能するかを考察する。
本稿では,分布外検出と連続学習技術を組み合わせた総合的解法ODExを提案する。
論文 参考訳(メタデータ) (2022-08-05T14:46:00Z) - 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) - Multi-Objective SPIBB: Seldonian Offline Policy Improvement with Safety
Constraints in Finite MDPs [71.47895794305883]
オフライン強化学習環境における制約下での安全政策改善(SPI)の問題について検討する。
本稿では,異なる報酬信号に対するトレードオフを扱うアルゴリズムのユーザの好みを考慮した,このRL設定のためのSPIを提案する。
論文 参考訳(メタデータ) (2021-05-31T21:04:21Z) - 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。