論文の概要: Managing Networked IoT Assets Using Practical and Scalable Traffic Inference
- arxiv url: http://arxiv.org/abs/2310.10657v1
- Date: Thu, 7 Sep 2023 10:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 14:15:19.795578
- Title: Managing Networked IoT Assets Using Practical and Scalable Traffic Inference
- Title（参考訳）: 実践的かつスケーラブルなトラフィック推論を用いたネットワークIoTアセットの管理
- Authors: Arman Pashamokhtari,
- Abstract要約: インターネットは最近、IoT(Internet of Things)と呼ばれるコネクテッドアセットのクラスが前例のない成長を遂げているのを目撃した。
比較的未成熟な製造プロセスと限られたコンピューティングリソースのため、IoTはデバイスレベルのセキュリティ対策が不十分であり、インターネットを様々なサイバーリスクに晒している。
この論文は4つの実践的な課題を特定し、ビジネスの安全とユーザプライバシの保護に役立てるテクニックを開発しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet has recently witnessed unprecedented growth of a class of connected assets called the Internet of Things (IoT). Due to relatively immature manufacturing processes and limited computing resources, IoTs have inadequate device-level security measures, exposing the Internet to various cyber risks. Prior research leveraged predictable patterns in IoT network traffic to develop inference models. However, they fall short of expectations in addressing practical challenges, preventing them from being deployed in production settings. This thesis identifies four practical challenges and develops techniques to address them which can help secure businesses and protect user privacy against growing cyber threats. My first contribution balances prediction gains against computing costs of traffic features for IoT traffic classification and monitoring. My second contribution addresses the challenges of measurement costs and data quality. I develop an inference method that uses stochastic and deterministic modeling to predict IoT devices in home networks from opaque and coarse-grained IPFIX flow data. Evaluations show that false positive rates can be reduced by 75% compared to related work without significantly affecting true positives. My third contribution focuses on the challenge of concept drifts by analyzing over six million flow records collected from 12 real home networks. Finally, my fourth contribution studies the resilience of machine learning models against adversarial attacks with a specific focus on decision tree-based models.
- Abstract（参考訳）: インターネットは最近、IoT(Internet of Things)と呼ばれるコネクテッドアセットのクラスが前例のない成長を遂げているのを目撃している。
比較的未成熟な製造プロセスと限られたコンピューティングリソースのため、IoTはデバイスレベルのセキュリティ対策が不十分であり、インターネットを様々なサイバーリスクに晒している。
これまでの研究では、IoTネットワークトラフィックの予測可能なパターンを活用して、推論モデルを開発した。
しかしながら、実用上の課題に対処する上での期待に届かず、運用環境にデプロイされることを防ぎます。
この論文は4つの実践的な課題を特定し、ビジネスの安全とユーザプライバシの保護に役立てるテクニックを開発しています。
私の最初のコントリビューションは、IoTトラフィックの分類と監視のためのトラフィック機能のコンピューティングコストに対して、予測のバランスを取ることです。
2つ目のコントリビューションは、測定コストとデータ品質の課題に対処しています。
不透明で粗いIPFIXフローデータからホームネットワーク内のIoTデバイスを予測するために,確率的・決定論的モデリングを用いた推論手法を開発した。
評価の結果, 偽陽性率は関連する作業に比べて75%減少し, 真陽性に有意な影響を及ぼさないことが明らかとなった。
第3のコントリビューションは、12の実家ネットワークから収集された600万以上のフローレコードを分析して、コンセプトドリフトの課題に焦点を当てています。
最後に、私の4番目のコントリビューションは、決定木ベースのモデルに特化して、敵対的攻撃に対する機械学習モデルのレジリエンスについて研究しています。
関連論文リスト
- Beyond Detection: Leveraging Large Language Models for Cyber Attack Prediction in IoT Networks [4.836070911511429]
本稿では,Long Short Term Memory(LSTM)ネットワークとLarge Language Models(LLM)を組み合わせた新しいネットワーク侵入予測フレームワークを提案する。
我々のフレームワークは、CICIoT2023 IoT攻撃データセットに基づいて評価され、予測能力の大幅な改善を示し、全体的な精度は98%である。
論文 参考訳（メタデータ） (2024-08-26T06:57:22Z) - FedMADE: Robust Federated Learning for Intrusion Detection in IoT Networks Using a Dynamic Aggregation Method [7.842334649864372]
さまざまな分野にわたるIoT(Internet of Things)デバイスは、深刻なネットワークセキュリティ上の懸念をエスカレートしている。
サイバー攻撃分類のための従来の機械学習(ML)ベースの侵入検知システム(IDS)は、IoTデバイスからトラフィック分析のための集中サーバへのデータ送信を必要とし、深刻なプライバシー上の懸念を引き起こす。
我々はFedMADEという新しい動的アグリゲーション手法を紹介した。この手法はデバイスをトラフィックパターンによってクラスタリングし、その全体的なパフォーマンスに対する貢献に基づいてローカルモデルを集約する。
論文 参考訳（メタデータ） (2024-08-13T18:42:34Z) - Enhancing IoT Security Against DDoS Attacks through Federated Learning [0.0]
IoT(Internet of Things)は、物理デバイスとデジタル領域の間の変換接続を基盤としている。
従来のDDoS緩和アプローチは、IoTエコシステムの複雑さを扱うには不十分である。
本稿では、フェデレートラーニングの力を活用して、IoTネットワークのDDoS攻撃に対するセキュリティを強化する革新的な戦略を紹介する。
論文 参考訳（メタデータ） (2024-03-16T16:45:28Z) - 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) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳（メタデータ） (2023-09-23T00:05:39Z) - Designing an attack-defense game: how to increase robustness of
financial transaction models via a competition [69.08339915577206]
金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。
本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。
我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。
参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
論文 参考訳（メタデータ） (2023-08-22T12:53:09Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - Quantifying and Managing Impacts of Concept Drifts on IoT Traffic
Inference in Residential ISP Networks [1.4027589547318842]
インターネットサービスプロバイダ(ISP)は、家庭ごとのアクティブなIoTデバイスの自動推論によるリスク軽減において、最も重要な役割を担っている。
本稿では,デバイス動作のラベル付きデータに制限がある場合に,データ駆動推論モデルの開発と適用の課題に焦点を当てる。
論文 参考訳（メタデータ） (2023-01-17T04:20:33Z) - Adversarial training with informed data selection [53.19381941131439]
アドリアリトレーニングは、これらの悪意のある攻撃からネットワークを守るための最も効率的なソリューションである。
本研究では,ミニバッチ学習に適用すべきデータ選択戦略を提案する。
シミュレーションの結果,ロバスト性および標準精度に関して良好な妥協が得られることがわかった。
論文 参考訳（メタデータ） (2023-01-07T12:09:50Z) - Efficient Federated Learning with Spike Neural Networks for Traffic Sign
Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。
数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-05-28T03:11:48Z) - IoT Behavioral Monitoring via Network Traffic Analysis [0.45687771576879593]
この論文は、IoTのネットワーク行動パターンをプロファイリングする技術を開発する上で、私たちの努力の成果である。
我々は、交通パターンの属性で訓練された、堅牢な機械学習ベースの推論エンジンを開発する。
99%以上の精度で28台のIoTデバイスのリアルタイム分類を実演する。
論文 参考訳（メタデータ） (2020-01-28T23:13:12Z)
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。