論文の概要: Digital Twin-Empowered Smart Attack Detection System for 6G Edge of Things Networks

• arxiv url: http://arxiv.org/abs/2310.03554v1
• Date: Thu, 5 Oct 2023 14:06:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 03:12:08.765430
• Title: Digital Twin-Empowered Smart Attack Detection System for 6G Edge of Things Networks
• Title（参考訳）: 6Gエッジ・オブ・モノネットワークのためのディジタルツイン駆動型スマートアタック検出システム
• Authors: Yagmur Yigit, Christos Chrysoulas, Gokhan Yurdakul, Leandros Maglaras, Berk Canberk,
• Abstract要約: 6G EoTネットワークのためのディジタル双発型スマートアタック検出システムを提案する。 物理的資産をリアルタイムで監視し、シミュレートし、セキュリティを強化する。 本システムは,6G EoTネットワークのセキュリティを確保するために,積極的に脅威検出を行う。
• 参考スコア（独自算出の注目度）: 2.3464026676834813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As global Internet of Things (IoT) devices connectivity surges, a significant portion gravitates towards the Edge of Things (EoT) network. This shift prompts businesses to deploy infrastructure closer to end-users, enhancing accessibility. However, the growing EoT network expands the attack surface, necessitating robust and proactive security measures. Traditional solutions fall short against dynamic EoT threats, highlighting the need for proactive and intelligent systems. We introduce a digital twin-empowered smart attack detection system for 6G EoT networks. Leveraging digital twin and edge computing, it monitors and simulates physical assets in real time, enhancing security. An online learning module in the proposed system optimizes the network performance. Our system excels in proactive threat detection, ensuring 6G EoT network security. The performance evaluations demonstrate its effectiveness, robustness, and adaptability using real datasets.
• Abstract（参考訳）: グローバルなモノのインターネット(IoT)デバイス接続が急増するにつれて、その大部分がエッジ・オブ・モノ(EoT)ネットワークに向かっている。 この変更により、企業はエンドユーザーに近いインフラをデプロイし、アクセシビリティを高めることができる。 しかし、拡大するEoTネットワークは攻撃面を拡張し、堅牢で積極的なセキュリティ対策を必要とする。 従来のソリューションは、動的なEoT脅威に対して不足しており、アクティブでインテリジェントなシステムの必要性を強調している。 6G EoTネットワークのためのディジタル双発型スマートアタック検出システムを提案する。 デジタルツインとエッジコンピューティングを活用して、物理的資産をリアルタイムで監視し、シミュレートし、セキュリティを高める。 提案システムにおけるオンライン学習モジュールは,ネットワーク性能を最適化する。 本システムは,6G EoTネットワークのセキュリティを確保するために,積極的に脅威検出を行う。 性能評価は、実データを用いた有効性、堅牢性、適応性を示す。

関連論文リスト

• 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)
• A Life-long Learning Intrusion Detection System for 6G-Enabled IoV [3.2284427438223013]
  6G技術は、非常に高いデータレートとシームレスなネットワークカバレッジで、Internet of Vehicles(IoV)に革命をもたらすだろう。 6Gは、IoVのサイバー脅威に対する感受性を高めるだろう。 本稿では,生涯学習のパラダイムを活用した新しい侵入検知システムを提案する。
  論文  参考訳（メタデータ） (2024-07-22T15:07:27Z)
• Securing Distributed Network Digital Twin Systems Against Model Poisoning Attacks [19.697853431302768]
  ディジタルツイン(DT)は、リアルタイム監視、予測、意思決定能力の向上を具現化する。 本研究では,分散ネットワークDTシステムにおけるセキュリティ上の課題について検討し,その後のネットワークアプリケーションの信頼性を損なう可能性がある。
  論文  参考訳（メタデータ） (2024-07-02T03:32:09Z)
• GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
  我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。 以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
  論文  参考訳（メタデータ） (2024-05-20T14:43:46Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Poisoning Attacks in Federated Edge Learning for Digital Twin 6G-enabled IoTs: An Anticipatory Study [37.97034388920841]
  フェデレーションエッジ学習は、デジタルツインの6G対応モノのインターネット(IoT)環境において、プライバシ保護、人工知能(AI)対応のアクティビティをサポートする上で不可欠である。 本稿では,デジタル双対6G対応IoT環境におけるフェデレーションエッジ学習における中毒攻撃の予測研究を提案する。
  論文  参考訳（メタデータ） (2023-03-21T11:12:17Z)
• IoT Botnet Detection Using an Economic Deep Learning Model [0.0]
  本稿では,IoTボットネット攻撃をさまざまな種類の攻撃とともに検出する経済的な深層学習モデルを提案する。 提案モデルは,実装予算を小さくし,訓練と検出の高速化を図ることで,最先端の検知モデルよりも高い精度を実現した。
  論文  参考訳（メタデータ） (2023-02-03T21:41:17Z)
• Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and Applications [39.223546118441476]
  6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。 エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
  論文  参考訳（メタデータ） (2021-11-24T11:47:16Z)
• TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
  本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。 我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。 TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
  論文  参考訳（メタデータ） (2021-03-10T19:03:38Z)
• Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
  エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。 本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
  論文  参考訳（メタデータ） (2020-10-01T02:16:40Z)
• Machine Learning based Anomaly Detection for 5G Networks [0.0]
  本稿では,SDS(Software Defined Security)を,自動化,柔軟性,スケーラブルなネットワーク防御システムとして提案する。 SDSは機械学習の現在の進歩を活用して、NAS(Neural Architecture Search)を使用してCNN(Convolutional Neural Network)を設計し、異常なネットワークトラフィックを検出する。
  論文  参考訳（メタデータ） (2020-03-07T00:17:08Z)

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。