論文の概要: Hiding in text/plain sight: Security defences of Tor Onion Services
- arxiv url: http://arxiv.org/abs/2312.00545v1
- Date: Fri, 1 Dec 2023 12:44:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 13:25:19.073456
- Title: Hiding in text/plain sight: Security defences of Tor Onion Services
- Title(参考訳): テキスト/プレーンの視界に隠れる:Tor Onion Servicesのセキュリティ防衛
- Authors: Q Misell,
- Abstract要約: オニオンサービスは、インターネット検閲を回避し、抑圧的な体制のユーザーに情報サービスを提供するために使用される。
本稿では,これらのオニオンサービスに配備されたセキュリティ防衛について分析する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Tor Onion Services are a way to host websites and other internet services anonymously. Onion Services are often used to bypass internet censorship and provide information services to users in oppressive regimes. This paper presents an analysis of the security defences deployed on these Onion Services. Onion Services tend to have better security policy than sites on the clear web. However they lag behind in the deployment of HTTPS, a key defence to ensuring the security of users of such services.
- Abstract(参考訳): Tor Onion Servicesは、ウェブサイトやその他のインターネットサービスを匿名でホストする方法である。
オニオンサービスは、インターネット検閲を回避し、抑圧的な体制のユーザーに情報サービスを提供するためにしばしば使用される。
本稿では,これらのオニオンサービスに配備されたセキュリティ防衛について分析する。
Onion Servicesは、クリアなWebサイトよりもセキュリティポリシーが優れている。
しかし、HTTPSの展開は遅れており、これらのサービスのユーザのセキュリティを確保するための鍵となる防御だ。
関連論文リスト
- Secure Aggregation is Not Private Against Membership Inference Attacks [66.59892736942953]
フェデレーション学習におけるSecAggのプライバシーへの影響について検討する。
SecAggは、単一のトレーニングラウンドであっても、メンバシップ推論攻撃に対して弱いプライバシを提供します。
以上の結果から,ノイズ注入などの付加的なプライバシー強化機構の必要性が浮き彫りになった。
論文 参考訳(メタデータ) (2024-03-26T15:07:58Z) - Securing Cloud-Based Internet of Things: Challenges and Mitigations [18.36339203254509]
IoT(Internet of Things)は近年顕著な進歩を遂げており、デジタルランドスケープのパラダイムシフトにつながっている。
これらの技術進歩は、特にサイバーセキュリティに関して、新たな課題をもたらしている。
IoTサービスは、悪意のあるアクターや不正なサービスプロバイダによって誤用される可能性がある、センシティブなユーザデータを扱うことが多い。
論文 参考訳(メタデータ) (2024-02-01T05:55:43Z) - SENet: Visual Detection of Online Social Engineering Attack Campaigns [3.858859576352153]
ソーシャルエンジニアリング(SE)は、ユーザのセキュリティとプライバシを侵害する可能性のあるアクションの実行をユーザを欺くことを目的としている。
SEShieldは、ブラウザ内でソーシャルエンジニアリング攻撃を検出するためのフレームワークである。
論文 参考訳(メタデータ) (2024-01-10T22:25:44Z) - FedDefender: Client-Side Attack-Tolerant Federated Learning [60.576073964874]
フェデレーション学習は、プライバシを損なうことなく、分散化されたデータソースからの学習を可能にする。
悪意のあるクライアントがトレーニングプロセスに干渉する、毒殺攻撃のモデル化には脆弱である。
我々はFedDefenderと呼ばれるクライアントサイドに焦点を当てた新しい防御機構を提案し、クライアントの堅牢なローカルモデルのトレーニングを支援する。
論文 参考訳(メタデータ) (2023-07-18T08:00:41Z) - Look, Listen, and Attack: Backdoor Attacks Against Video Action
Recognition [53.720010650445516]
有毒ラベル画像のバックドア攻撃は静的かつ動的に2つの時間的拡張が可能であることを示す。
さらに、ビデオ領域におけるこの脆弱性の深刻さを強調するために、自然なビデオバックドアを探索する。
また,ビデオ行動認識モデルに対するマルチモーダル(オービジュアル)バックドアアタックを初めて検討した。
論文 参考訳(メタデータ) (2023-01-03T07:40:28Z) - 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) - DDoSDet: An approach to Detect DDoS attacks using Neural Networks [0.0]
本稿では,ニューラルネットワークを用いたDDoS攻撃の検出について述べる。
提案システムと現在のフィールドモデルを比較し,評価した。
論文 参考訳(メタデータ) (2022-01-24T08:16:16Z) - Bugs in our Pockets: The Risks of Client-Side Scanning [8.963278092315946]
クライアントサイドスキャン(CSS)は、効果的な犯罪防止や監視の防止を保証しない。
CSSは本質的に、すべての社会にとって深刻なセキュリティとプライバシのリスクを生み出します。
クライアント側のスキャンが失敗し、回避でき、悪用できる方法はいくつかある。
論文 参考訳(メタデータ) (2021-10-14T15:18:49Z) - Meta Federated Learning [57.52103907134841]
フェデレートラーニング(FL)は、時間的敵攻撃の訓練に弱い。
本稿では,メタフェデレーション学習(Meta Federated Learning, Meta-FL)を提案する。
論文 参考訳(メタデータ) (2021-02-10T16:48:32Z) - ONION: A Simple and Effective Defense Against Textual Backdoor Attacks [91.83014758036575]
バックドア攻撃は、ディープニューラルネットワーク(DNN)に対する創発的な訓練時間の脅威である
本論文では,ONION という,シンプルで効果的なテキストバックドア・ディフェンスを提案する。
実験では,5種類のバックドア攻撃に対するBiLSTMとBERTの防御効果を示す。
論文 参考訳(メタデータ) (2020-11-20T12:17:21Z) - 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。