論文の概要: Guardians of Trust: Navigating Data Security in AIOps through Vendor Partnerships

• arxiv url: http://arxiv.org/abs/2312.06008v1
• Date: Sun, 10 Dec 2023 21:44:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 17:26:46.387390
• Title: Guardians of Trust: Navigating Data Security in AIOps through Vendor Partnerships
• Title（参考訳）: guardians of trust: ベンダーパートナーシップによるaiopsのデータセキュリティのナビゲート
• Authors: Subhadip Kumar
• Abstract要約: AIOpsベンダは、エンドツーエンドのログ、トレース、メトリクスを取り込み、ITシステムの完全なスタック可観測性を提供するサービスを提供している。 この記事では、さまざまなベンダが提供するセキュリティ機能と、データ保護とプライバシを確保するためのベストプラクティスについて論じます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial Intelligence for IT Operations (AIOps) is a rapidly growing field that applies artificial intelligence and machine learning to automate and optimize IT operations. AIOps vendors provide services that ingest end-to-end logs, traces, and metrics to offer a full stack observability of IT systems. However, these data sources may contain sensitive information such as internal IP addresses, hostnames, HTTP headers, SQLs, method/argument return values, URLs, personal identifiable information (PII), or confidential business data. Therefore, data security is a crucial concern when working with AIOps vendors. In this article, we will discuss the security features offered by different vendors and how we can adopt best practices to ensure data protection and privacy.
• Abstract（参考訳）: AIOps(AI AI for IT Operations)は、ITオペレーションの自動化と最適化に人工知能と機械学習を適用する、急速に成長する分野である。 AIOpsベンダは、エンドツーエンドのログ、トレース、メトリクスを取り込み、ITシステムの完全なスタック可観測性を提供するサービスを提供している。 しかし、これらのデータソースは、内部ipアドレス、ホスト名、httpヘッダ、sql、メソッド/パラメータの戻り値、url、個人識別情報(pii)、機密ビジネスデータなどの機密情報を含む可能性がある。 したがって、aiopsベンダーと作業する場合、データセキュリティは重要な関心事である。 この記事では、異なるベンダーが提供するセキュリティ機能と、データ保護とプライバシを確保するためにベストプラクティスをどのように適用できるかについて論じます。

関連論文リスト

• Secure Computation and Trustless Data Intermediaries in Data Spaces [0.44998333629984877]
  本稿では,データ空間におけるセキュアな計算のための高度な暗号技術の統合について検討する。 We exploit the introduced secure method、すなわち Secure Multi-Party Computation (MPC) と Fully Homomorphic Encryption (FHE) を利用する。 我々は、航空交通管理、製造、二次データ利用など、実世界のユースケースを通じてソリューションを提示する。
  論文  参考訳（メタデータ） (2024-10-21T19:10:53Z)
• AttackER: Towards Enhancing Cyber-Attack Attribution with a Named Entity Recognition Dataset [1.9573380763700712]
  サイバー攻撃の属性に関する最初のデータセットを提供する。 私たちのものは、句や文にまたがるいくつかのものを含む、コンテキストの詳細を持った豊富なアノテーションセットを提供します。 攻撃属性に対するデータセットの有効性を示すため,広範囲な実験を行い,NLP手法を適用した。
  論文  参考訳（メタデータ） (2024-08-09T16:10:35Z)
• Security Approaches for Data Provenance in the Internet of Things: A Systematic Literature Review [0.0]
  モノのインターネットシステムは、セキュリティ攻撃に弱い。 データ証明は、これらの脆弱性に対処するデータの起源、履歴、処理を記録する手段を提供する。
  論文  参考訳（メタデータ） (2024-07-03T19:25:36Z)
• Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
  生成AIは、学術分野と産業分野の両方から多くの注目を集めている。 セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
  論文  参考訳（メタデータ） (2024-05-17T04:00:58Z)
• HasTEE+ : Confidential Cloud Computing and Analytics with Haskell [50.994023665559496]
  信頼性コンピューティングは、Trusted Execution Environments(TEEs)と呼ばれる特別なハードウェア隔離ユニットを使用して、コテナントクラウドデプロイメントにおける機密コードとデータの保護を可能にする。 低レベルのC/C++ベースのツールチェーンを提供するTEEは、固有のメモリ安全性の脆弱性の影響を受けやすく、明示的で暗黙的な情報フローのリークを監視するための言語構造が欠如している。 私たちは、Haskellに埋め込まれたドメイン固有言語(cla)であるHasTEE+を使って、上記の問題に対処します。
  論文  参考訳（メタデータ） (2024-01-17T00:56:23Z)
• The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
  Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。 本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。 新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
  論文  参考訳（メタデータ） (2024-01-03T07:47:22Z)
• Securing Data Platforms: Strategic Masking Techniques for Privacy and Security for B2B Enterprise Data [0.0]
  ビジネス・ツー・ビジネス(B2B)企業はますますデータプラットフォームを構築しています。 データプライバシとセキュリティを本質的にサポートするメカニズムで、これらのデータプラットフォームを設計することが重要になっている。 データマスキングは、データプラットフォームアーキテクチャの重要な特徴である。
  論文  参考訳（メタデータ） (2023-12-06T05:04:37Z)
• A Survey of Data Security: Practices from Cybersecurity and Challenges of Machine Learning [6.086388464254366]
  機械学習(ML)は、ますます重要なシステムにデプロイされている。 MLのデータ依存により、ML対応システムのトレーニングとテストに使用されるセキュアなデータが最重要となる。 データサイエンスとサイバーセキュリティのドメインは、独自のスキルと用語のセットに準拠している。
  論文  参考訳（メタデータ） (2023-10-06T18:15:35Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• 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)
• Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
  我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。 信頼された実行環境を用いたAIシステムの機会と課題を強調します。 我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
  論文  参考訳（メタデータ） (2020-08-10T23:05:55Z)

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。