論文の概要: SoK: Evaluations in Industrial Intrusion Detection Research
- arxiv url: http://arxiv.org/abs/2311.02929v1
- Date: Mon, 6 Nov 2023 07:49:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 13:36:10.763549
- Title: SoK: Evaluations in Industrial Intrusion Detection Research
- Title(参考訳): SoK:産業侵入検知研究における評価
- Authors: Olav Lamberts, Konrad Wolsing, Eric Wagner, Jan Pennekamp, Jan Bauer, Klaus Wehrle, Martin Henze,
- Abstract要約: 産業侵入検知システムは、最も洗練された侵入さえもタイムリーに発見しようとする。
社会に対する批判のため、この急速に成長する分野は様々な背景から研究者を惹きつけている。
609の論文を分析したところ, この研究分野の急速な成長は, 肯定的かつ否定的な結果をもたらすことがわかった。
- 参考スコア(独自算出の注目度): 8.356036431147889
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial systems are increasingly threatened by cyberattacks with potentially disastrous consequences. To counter such attacks, industrial intrusion detection systems strive to timely uncover even the most sophisticated breaches. Due to its criticality for society, this fast-growing field attracts researchers from diverse backgrounds, resulting in 130 new detection approaches in 2021 alone. This huge momentum facilitates the exploration of diverse promising paths but likewise risks fragmenting the research landscape and burying promising progress. Consequently, it needs sound and comprehensible evaluations to mitigate this risk and catalyze efforts into sustainable scientific progress with real-world applicability. In this paper, we therefore systematically analyze the evaluation methodologies of this field to understand the current state of industrial intrusion detection research. Our analysis of 609 publications shows that the rapid growth of this research field has positive and negative consequences. While we observe an increased use of public datasets, publications still only evaluate 1.3 datasets on average, and frequently used benchmarking metrics are ambiguous. At the same time, the adoption of newly developed benchmarking metrics sees little advancement. Finally, our systematic analysis enables us to provide actionable recommendations for all actors involved and thus bring the entire research field forward.
- Abstract(参考訳): 産業システムは、破壊的な結果をもたらす可能性のあるサイバー攻撃によってますます脅かされている。
このような攻撃に対抗するために、工業用侵入検知システムは、最も洗練された侵入でさえタイムリーに発見しようと試みている。
社会への批判から、この急速に成長するフィールドは様々な背景から研究者を惹きつけ、2021年だけで130の新たな発見アプローチを生み出した。
この大きな勢いは、様々な有望な道の探索を促進するが、同様に研究の景観を断片化し、有望な進歩を埋めるリスクを負う。
そのため、このリスクを軽減し、現実の応用性を備えた持続可能な科学的進歩への取り組みを促進するために、健全で理解可能な評価が必要である。
そこで本稿では,産業侵入検知研究の現状を理解するために,本分野の評価手法を体系的に分析する。
609の論文を分析したところ, この研究分野の急速な成長は, 肯定的かつ否定的な結果をもたらすことがわかった。
公開データセットの利用の増加を観察する一方で、パブリッシュは依然として平均1.3データセットしか評価せず、頻繁に使用されるベンチマークメトリクスは曖昧である。
同時に、新しく開発されたベンチマークメトリクスの採用は、ほとんど進歩していない。
最後に、系統分析により、関係するすべてのアクターに対して実行可能なレコメンデーションを提供し、研究分野全体を前進させます。
関連論文リスト
- Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [67.38554763406098]
大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。
彼らの能力は有望だが、安全を慎重に考慮する必要がある新たな脆弱性も導入している。
本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
論文 参考訳(メタデータ) (2024-02-06T18:54:07Z) - Temporal Analysis of World Disaster Risk:A Machine Learning Approach to
Cluster Dynamics [0.0]
本稿では,リスクを軽減し,世界規模で安全な環境を創出するための取り組みの効果を評価する。
世界リスク指数を用いて、2011年から2021年までの世界の災害リスク動態の時間的分析を行う。
論文 参考訳(メタデータ) (2024-01-10T08:50:53Z) - Navigating the Concurrency Landscape: A Survey of Race Condition Vulnerability Detectors [0.12289361708127873]
本稿では,レースコンディションバグ検出の領域に焦点をあてる。
我々はこれらの検出器を,それらが採用する多様な手法に基づいて系統的に分類する。
レースコンディションの脆弱性の検出におけるファジリング技術の適用について,光を当てた。
論文 参考訳(メタデータ) (2023-12-22T07:05:39Z) - AI in Supply Chain Risk Assessment: A Systematic Literature Review and
Bibliometric Analysis [0.0]
サプライチェーンリスクアセスメント(SCRA)は、人工知能(AI)と機械学習(ML)技術を統合することで、大きな進化を目撃している。
以前のレビューでは確立した方法論を概説しているが、新たなAI/ML技術を見落としている。
本稿では,総合的な文献分析と体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-12-12T17:47:51Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual
Learning [76.47138162283714]
蓄積とは、以前取得した情報や知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
調査では、忘れることは二重刃の剣であり、ある場合には有益で望ましいと論じている。
論文 参考訳(メタデータ) (2023-07-16T16:27:58Z) - Fairness in Recommender Systems: Research Landscape and Future
Directions [119.67643184567623]
本稿は,近年の地域におけるフェアネスの概念と概念について概観する。
この分野での研究が現在どのように行われているのかを概観する。
全体として、最近の研究成果の分析は、ある研究のギャップを示している。
論文 参考訳(メタデータ) (2022-05-23T08:34:25Z) - A Survey on Unsupervised Anomaly Detection Algorithms for Industrial
Images [2.4976719861186845]
産業4.0の発展に伴い、表面欠陥検出・異常検出が産業分野の話題となっている。
教師なし学習は、上記の視覚的産業異常検出の欠点に対処する大きな可能性を持っている。
論文 参考訳(メタデータ) (2022-04-24T01:38:18Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳(メタデータ) (2020-12-07T11:02:44Z) - Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。
既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。
本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文 参考訳(メタデータ) (2020-03-16T02:47:23Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳(メタデータ) (2020-01-27T11:21:05Z)
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。