論文の概要: ZTCloudGuard: Zero Trust Context-Aware Access Management Framework to Avoid Misuse Cases in the Era of Generative AI and Cloud-based Health Information Ecosystem

• arxiv url: http://arxiv.org/abs/2312.02993v1
• Date: Tue, 28 Nov 2023 22:12:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 13:05:51.091706
• Title: ZTCloudGuard: Zero Trust Context-Aware Access Management Framework to Avoid Misuse Cases in the Era of Generative AI and Cloud-based Health Information Ecosystem
• Title（参考訳）: ZTCloudGuard: ジェネレーティブAIとクラウドベースのヘルス情報エコシステムの時代における誤用を回避するためのゼロトラストコンテキスト対応アクセス管理フレームワーク
• Authors: Khalid Al-hammuri, Fayez Gebali, Awos Kanan,
• Abstract要約: この記事では、クラウドエコシステムへのアクセスを管理するための、ゼロトラストベースのコンテキスト認識フレームワークを提案する。 このフレームワークには、信頼の連鎖を維持するための2つの主要なスコアスキーマがある。 この分析は、セマンティックスコアと構文スコアを生成するための、事前訓練された機械学習モデルに基づいている。
• 参考スコア（独自算出の注目度）: 0.5530212768657544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Managing access between large numbers of distributed medical devices has become a crucial aspect of modern healthcare systems, enabling the establishment of smart hospitals and telehealth infrastructure. However, as telehealth technology continues to evolve and Internet of Things (IoT) devices become more widely used, they are also becoming increasingly exposed to various types of vulnerabilities and medical errors. In healthcare information systems, about 90\% of vulnerabilities emerged from misuse cases and human errors. As a result, there is a need for additional research and development of security tools to prevent such attacks. This article proposes a zero-trust-based context-aware framework for managing access to the main components of the cloud ecosystem, including users, devices and output data. The main goal and benefit of the proposed framework is to build a scoring system to prevent or alleviate misuse cases while using distributed medical devices in cloud-based healthcare information systems. The framework has two main scoring schemas to maintain the chain of trust. First, it proposes a critical trust score based on cloud-native micro-services of authentication, encryption, logging, and authorizations. Second, creating a bond trust scoring to assess the real-time semantic and syntactic analysis of attributes stored in a healthcare information system. The analysis is based on a pre-trained machine learning model to generate the semantic and syntactic scores. The framework also takes into account regulatory compliance and user consent to create a scoring system. The advantage of this method is that it is applicable to any language and adapts to all attributes as it relies on a language model, not just a set of predefined and limited attributes. The results show a high F1 score of 93.5%, which proves that it is valid for detecting misuse cases.
• Abstract（参考訳）: 多数の分散型医療機器間のアクセスを管理することは、スマート病院と遠隔医療インフラの確立を可能にする、現代の医療システムにおいて重要な側面となっている。 しかし、遠隔医療技術が発展し、IoT(Internet of Things)デバイスがより広く使われるようになるにつれ、さまざまなタイプの脆弱性や医療的エラーにさらされる傾向にある。 医療情報システムでは、誤用やヒューマンエラーから約90%の脆弱性が出現した。 その結果、このような攻撃を防ぐためにセキュリティツールのさらなる研究と開発が必要である。 本稿では、ユーザ、デバイス、出力データを含むクラウドエコシステムの主要コンポーネントへのアクセスを管理するための、ゼロトラストベースのコンテキスト認識フレームワークを提案する。 提案フレームワークの主な目的とメリットは、クラウドベースの医療情報システムで分散医療機器を使用して、誤用を防止または緩和するスコアシステムを構築することである。 このフレームワークには、信頼の連鎖を維持するための2つの主要なスコアスキーマがある。 まず、認証、暗号化、ロギング、認可といったクラウドネイティブなマイクロサービスに基づいて、クリティカルな信頼スコアを提案する。 第2に、医療情報システムに格納された属性のリアルタイムな意味と統語的分析を評価するために、債券信託スコアを作成する。 この分析は、セマンティックスコアと構文スコアを生成するための、事前訓練された機械学習モデルに基づいている。 このフレームワークは、規制の遵守とユーザーの同意を考慮し、スコアリングシステムを作成する。 この手法の利点は、どんな言語にも適用でき、事前定義された限定された属性のセットではなく、言語モデルに依存しているため、すべての属性に適応できる点である。 その結果、高いF1スコアは93.5%であり、誤用例の検出に有効であることが証明された。

関連論文リスト

• Confidential and Protected Disease Classifier using Fully Homomorphic Encryption [0.09424565541639365]
  多くのユーザーは、病気のために医療専門家に相談する前に、ChatGPTやBardのようなプラットフォームで潜在的な原因を探している。 このようなプラットフォームの利便性にもかかわらず、個人医療データをオンラインで共有することは、悪意のあるプラットフォームの存在を含むリスクを引き起こす。 安全かつプライベートな診断システムのためのFHEとDeep Learningを組み合わせた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-05T02:10:00Z)
• Explainable Machine Learning-Based Security and Privacy Protection Framework for Internet of Medical Things Systems [1.8434042562191815]
  インターネット・オブ・メディカル・モノ(IoMT)は、従来の医療境界を超越し、反応性治療から予防への転換を可能にする。 その利点は、処理されたデータの感度と価値のために、ユーザの生活を危険にさらす、重大なセキュリティ上の課題に対処されている。 新しいIDS(Intrusion Detection Systems)フレームワークを導入し、ANN(Artificial Neural Networks)を侵入検知に利用し、FL(Federated Learning)をプライバシ保護に活用する。
  論文  参考訳（メタデータ） (2024-03-14T11:57:26Z)
• A Novel Zero-Trust Machine Learning Green Architecture for Healthcare IoT Cybersecurity: Review, Analysis, and Implementation [0.0]
  医療アプリケーションにおけるIoT(Internet of Things)デバイスの統合は、患者のケア、監視、データ管理に革命をもたらした。 しかし、これらのデバイスの急速な関与は、患者のプライバシーと医療データの整合性に重大な脅威をもたらす情報セキュリティ上の懸念をもたらす。 本稿では、医療アプリケーション内のIoTデバイスにおけるセキュリティ脆弱性に対処し、軽減するために設計された、機械学習(ML)ベースのアーキテクチャを紹介する。
  論文  参考訳（メタデータ） (2024-01-14T21:01:21Z)
• Blockchain-empowered Federated Learning for Healthcare Metaverses: User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
  まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。 次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
  論文  参考訳（メタデータ） (2023-07-29T12:54:03Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Multi-context Attention Fusion Neural Network for Software Vulnerability Identification [4.05739885420409]
  ソースコードのセキュリティ脆弱性の共通カテゴリのいくつかを効率的に検出することを学ぶディープラーニングモデルを提案する。 モデルは、学習可能なパラメータの少ないコードセマンティクスの正確な理解を構築します。 提案したAIは、ベンチマークされたNIST SARDデータセットから特定のCWEに対して98.40%のF1スコアを達成する。
  論文  参考訳（メタデータ） (2021-04-19T11:50:36Z)
• A multiagent based framework secured with layered SVM-based IDS for remote healthcare systems [0.0]
  2段階からなる遠隔医療システムのためのセキュアなフレームワークを提案する。 まず,センサネットワークからデータを収集するマルチエージェント技術に基づく医療システムの設計を行う。 第2フェーズでは,ネットワークトラフィックの挙動を学習するためにサポートベクタマシンを用いた侵入検知システムの階層化が適用される。
  論文  参考訳（メタデータ） (2021-04-13T20:34:38Z)
• Robust and Transferable Anomaly Detection in Log Data using Pre-Trained Language Models [59.04636530383049]
  クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。 システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:17:05Z)
• Privacy-preserving medical image analysis [53.4844489668116]
  医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。 集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。 グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
  論文  参考訳（メタデータ） (2020-12-10T13:56:00Z)
• How Context Affects Language Models' Factual Predictions [134.29166998377187]
  検索システムからの情報を学習済みの言語モデルと純粋に教師なしの方法で統合する。 この方法で事前学習された言語モデルを拡張することで、性能が劇的に向上し、教師なしにもかかわらず、結果として得られるシステムは、教師なしの機械読解ベースラインと競合する、と報告する。
  論文  参考訳（メタデータ） (2020-05-10T09:28:12Z)

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。