論文の概要: Root causes, ongoing difficulties, proactive prevention techniques, and emerging trends of enterprise data breaches

• arxiv url: http://arxiv.org/abs/2311.16303v1
• Date: Mon, 27 Nov 2023 20:34:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 15:42:08.057832
• Title: Root causes, ongoing difficulties, proactive prevention techniques, and emerging trends of enterprise data breaches
• Title（参考訳）: 企業データ漏洩の根本原因、継続的な困難、予防策、新たなトレンド
• Authors: Rina Patil, Gayatri Pise, Yatin Bhosale,
• Abstract要約: 今や企業は、データが重要な資産であると考えており、このデータに侵入しても、ひどい影響が生じる可能性がある。 今や企業は、データ量の増加とデータ漏洩の頻度の増加によるデータ損失の検出と防止に高いプレミアムを課している。 このレビューは、興味深い見通しを強調し、企業がデータ漏洩から直面するリスクについて学ぶことに興味がある人に洞察力のある情報を提供しようとしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A data breach in the modern digital era is the unintentional or intentional disclosure of private data to uninvited parties. Businesses now consider data to be a crucial asset, and any breach of this data can have dire repercussions, including harming a company's brand and resulting in losses. Enterprises now place a high premium on detecting and preventing data loss due to the growing amount of data and the increasing frequency of data breaches. Even with a great deal of research, protecting sensitive data is still a difficult task. This review attempts to highlight interesting prospects and offer insightful information to those who are interested in learning about the risks that businesses face from data leaks, current occurrences, state-of-the-art methods for detection and prevention, new difficulties, and possible solutions.
• Abstract（参考訳）: 現代のデジタル時代のデータ漏洩は、意図的または意図的な、招待されていない当事者への個人データの開示である。 今や企業は、データが重要な資産であると考えており、このデータの漏洩は、会社のブランドを傷つけ、損失をもたらすことを含む、恐ろしい影響をもたらす可能性がある。 今や企業は、データ量の増加とデータ漏洩の頻度の増加によるデータ損失の検出と防止に高いプレミアムを課している。 多くの研究があるにもかかわらず、機密データの保護は依然として難しい課題だ。 このレビューは、企業がデータ漏洩から直面するリスク、現在の発生、検出と防止のための最先端の方法、新しい困難、そして可能な解決策について学ぶことに興味のある人に洞察力のある情報を提供することを目的としている。

関連論文リスト

• KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
  合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。 弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
  論文  参考訳（メタデータ） (2024-05-26T08:02:02Z)
• A Customer Level Fraudulent Activity Detection Benchmark for Enhancing Machine Learning Model Research and Evaluation [0.4681661603096334]
  本研究では,顧客レベルの不正検出に特化して設計された構造化データセットを含むベンチマークを提案する。 このベンチマークは、ユーザの機密性を確保するために厳格なプライバシーガイドラインに準拠しているだけでなく、顧客中心の機能をカプセル化することによって、豊富な情報ソースを提供する。
  論文  参考訳（メタデータ） (2024-04-23T04:57:44Z)
• Towards Generalizable Data Protection With Transferable Unlearnable Examples [50.628011208660645]
  本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。 私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
  論文  参考訳（メタデータ） (2023-05-18T04:17:01Z)
• Stop Uploading Test Data in Plain Text: Practical Strategies for Mitigating Data Contamination by Evaluation Benchmarks [70.39633252935445]
  データ汚染は、大規模な自動クロールコーパスで事前訓練されたモデルの台頭によって、普及し、課題となっている。 クローズドモデルの場合、トレーニングデータはトレードシークレットになり、オープンモデルであっても汚染を検出するのは簡単ではない。 1)公開するテストデータを公開鍵で暗号化し,デリバティブ配信を許可する,(2)クローズドAPI保持者からの要求トレーニング排他的コントロールを許可する,(2)評価を拒否してテストデータを保護する,(3)インターネット上のソリューションで表示されるデータを避け,インターネット由来のWebページコンテキストを解放する,という3つの方法を提案する。
  論文  参考訳（メタデータ） (2023-05-17T12:23:38Z)
• Data-Driven Dystopia: an uninterrupted breach of ethics [0.0]
  この記事では、ユーザのプライバシに反するデータ漏洩とデータ収集のプラクティスの事例を紹介する。 また、WMD(Weapons of Math Destruction)の概念も探求している。 この記事は、企業がユーザー情報を保護する責任を負う必要性を強調している。
  論文  参考訳（メタデータ） (2023-05-13T14:56:18Z)
• Certified Data Removal in Sum-Product Networks [78.27542864367821]
  収集したデータの削除は、データのプライバシを保証するのに不十分であることが多い。 UnlearnSPNは、訓練された総生産ネットワークから単一データポイントの影響を取り除くアルゴリズムである。
  論文  参考訳（メタデータ） (2022-10-04T08:22:37Z)
• Data Poisoning Attacks and Defenses to Crowdsourcing Systems [26.147716118854614]
  クラウドソーシングはデータ中毒攻撃に対して脆弱であることを示す。 悪意のあるクライアントは、集約されたデータを壊すために注意深く作られたデータを提供します。 悪質なクライアントの影響を減らすため、2つの防御策を提案する。
  論文  参考訳（メタデータ） (2021-02-18T06:03:48Z)
• Preventing Unauthorized Use of Proprietary Data: Poisoning for Secure Dataset Release [52.504589728136615]
  公開したデータを最小限に修正して、他人がトレーニングモデルに乗らないようにするデータ中毒法を開発しています。 我々は,imagenet分類と顔認識によるアプローチの成功を実証する。
  論文  参考訳（メタデータ） (2021-02-16T19:12:34Z)
• Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
  この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。 様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
  論文  参考訳（メタデータ） (2020-12-18T22:38:47Z)
• Leaking Sensitive Financial Accounting Data in Plain Sight using Deep Autoencoder Neural Networks [1.9659095632676094]
  センシティブな会計データを漏洩させる「実世界の脅威モデル」を提案する。 3つのニューラルネットワークで構成された深層ステガノグラフィープロセスは、そのデータを日々の目立たないイメージに隠すように訓練できる。
  論文  参考訳（メタデータ） (2020-12-13T17:29:53Z)
• A vision for global privacy bridges: Technical and legal measures for international data markets [77.34726150561087]
  データ保護法とプライバシーの権利が認められているにもかかわらず、個人情報の取引は「トレーディング・オイル」と同等のビジネスになっている。 オープンな対立は、データに対するビジネスの要求とプライバシーへの欲求の間に生じている。 プライバシを備えたパーソナル情報市場のビジョンを提案し,テストする。
  論文  参考訳（メタデータ） (2020-05-13T13:55:50Z)

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。