論文の概要: Secure Arcade: A Gamified Defense Against Cyber Attacks

• arxiv url: http://arxiv.org/abs/2311.16131v1
• Date: Wed, 1 Nov 2023 17:35:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 13:06:53.852260
• Title: Secure Arcade: A Gamified Defense Against Cyber Attacks
• Title（参考訳）: Secure Arcade:サイバー攻撃に対するゲーム化された防御
• Authors: Sean Loesch, Ryan Hrastich, Jordan Herbert, Ben Drangstveit, Jacob Weber, Mounika Vanamala,
• Abstract要約: 本研究は,ゲーミフィケーションWebベースのアプリケーションを通じてこの問題に対処する。 一般のコンピュータセキュリティ用語を学習し記憶する。 フィッシング詐欺の可能性をメールで素早く認識する方法を学ぶ。 サーバに対する一般的な攻撃と、それに対する対処方法を学ぶ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In modernity, we continually receive increasingly intricate technologies that allow us to increase our lives convenience and efficiency. Our technology, particularly technology available over the internet, is advancing at unprecedented speed. However, this speed of advancement allows those behind malicious attacks to have an increasingly easier time taking advantage of those who know little about computer security. Unfortunately, education in the computer security field is generally limited only to tertiary education. This research addresses this problem through a gamified web-based application that drives users to reach learning goals to help them become more vigilant internet users: 1. Learn and memorize general computer security terminology, 2. Become familiar with basic cryptography concepts, 3. Learn to recognize potential phishing scams via email quickly, and 4. Learn common attacks on servers and how to deal with them.
• Abstract（参考訳）: 現代では、生活の利便性と効率を高めるために、ますます複雑なテクノロジーを継続的に受け取っています。 われわれの技術、特にインターネット上で利用できる技術は、前例のないスピードで進歩している。 しかし、このスピードの進歩により、悪意のある攻撃の背後にいる人々は、コンピュータのセキュリティについてほとんど知らない人を利用するのがますます簡単になる。 残念ながら、コンピュータセキュリティ分野の教育は一般的に第三次教育に限られている。 この研究は、ユーザがより警戒的なインターネットユーザになるための学習目標に到達するための、ゲーミフィケーションWebベースのアプリケーションを通じて、この問題に対処する。 1.一般コンピュータセキュリティ用語の学習と記憶 2.暗号の基本概念に親しむこと。 3.電子メールでフィッシング詐欺の可能性を素早く認識すること、そして 4. サーバに対する一般的な攻撃と対処方法を学ぶ。

関連論文リスト

• Towards Type Agnostic Cyber Defense Agents [0.0]
  サイバー脅威は拡大を続けており、労働力不足とサイバーセキュリティのスキルギャップにつながっている。 多くのサイバーセキュリティ製品ベンダーやセキュリティ組織は、彼らの防衛を強化するために人工知能に目を向けてきた。 この研究は、サイバー防衛の自動化に対する一つのアプローチにおいて、攻撃者や防衛者を特徴づける方法について考察する。
  論文  参考訳（メタデータ） (2024-12-02T14:32:18Z)
• Phishing Website Detection Using a Combined Model of ANN and LSTM [0.9208007322096533]
  フィッシング(英: phishing)とは、コンピュータユーザーの個人情報を盗むためのサイバー犯罪の一種である。 攻撃者は、コンピュータのユーザに対する詐欺行為のために、アカウントID、パスワード、ユーザー名などの個人情報を使用した。 この問題を解決するために研究者たちは、機械学習とディープラーニングのアプローチに焦点を当てた。
  論文  参考訳（メタデータ） (2024-03-24T14:46:02Z)
• knowCC: Knowledge, awareness of computer & cyber ethics between CS/non-CS university students [0.0]
  本研究は、サイバーセキュリティ意識、サイバー知識、コンピュータ倫理、サイバー倫理、およびサイバー行動の関係に焦点を当てる。 調査結果は、インターネット利用者はサイバー脅威の警告を受けているが、最も初歩的で簡単に実施できる予防措置しか取っていないことを示している。
  論文  参考訳（メタデータ） (2023-10-19T12:29:26Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• A systematic literature review on Ransomware attacks [0.0]
  Ransomwareを含むサイバー攻撃は、サイバーセキュリティを考えるときに最初に思い浮かぶものだ。 いくつかのサイバーセキュリティ対策にもかかわらず、ランサムウェアは人々を怖がらせ続けている。
  論文  参考訳（メタデータ） (2022-12-08T04:09:40Z)
• Artificial Intelligence for Cybersecurity: Threats, Attacks and Mitigation [1.80476943513092]
  サイバー攻撃の激化は、最近の人工知能の進歩から反響を呼んだ。 AIの介入は特定のタスクを自動化するだけでなく、多くの折り畳みによって効率を向上させる。 本稿では,サイバー攻撃に対する従来的およびインテリジェントな防御方法とともに,サイバーセキュリティとサイバー脅威について論じる。
  論文  参考訳（メタデータ） (2022-09-27T15:20:23Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
  本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。 本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。 我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
  論文  参考訳（メタデータ） (2021-10-04T12:20:46Z)
• Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
  大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。 我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。 我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
  論文  参考訳（メタデータ） (2020-10-19T13:09:31Z)
• Adversarial Machine Learning Attacks and Defense Methods in the Cyber Security Domain [58.30296637276011]
  本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。 サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
  論文  参考訳（メタデータ） (2020-07-05T18:22:40Z)
• Phishing and Spear Phishing: examples in Cyber Espionage and techniques to protect against them [91.3755431537592]
  フィッシング攻撃は、2012年以降、サイバー攻撃の91%以上を突破し、オンライン詐欺で最も使われているテクニックとなっている。 本研究は, フィッシングとスピア・フィッシングによる攻撃が, 結果を大きくする5つのステップを通じて, フィッシングとスピア・フィッシングによる攻撃の実施方法についてレビューした。
  論文  参考訳（メタデータ） (2020-05-31T18:10:09Z)

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。