論文の概要: Advancing SQL Injection Detection for High-Speed Data Centers: A Novel Approach Using Cascaded NLP

• arxiv url: http://arxiv.org/abs/2312.13041v1
• Date: Wed, 20 Dec 2023 14:09:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 11:38:03.641147
• Title: Advancing SQL Injection Detection for High-Speed Data Centers: A Novel Approach Using Cascaded NLP
• Title（参考訳）: 高速データセンターにおけるSQLインジェクション検出の高速化:カスケードNLPを用いた新しいアプローチ
• Authors: Kasim Tasdemir, Rafiullah Khan, Fahad Siddiqui, Sakir Sezer, Fatih Kurugollu, Sena Busra Yengec-Tasdemir, Alperen Bolat,
• Abstract要約: 古典的および変圧器に基づくNLPモデルをブレンドした新しいカスケードSQLi検出法を提案する。 本手法は, 変圧器モデルのみを用いた場合よりも, 計算要求の20倍の精度で, 99.86%の精度で検出できる。
• 参考スコア（独自算出の注目度）: 1.281563056333574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting SQL Injection (SQLi) attacks is crucial for web-based data center security, but it is challenging to balance accuracy and computational efficiency, especially in high-speed networks. Traditional methods struggle with this balance, while NLP-based approaches, although accurate, are computationally intensive. We introduce a novel cascade SQLi detection method, blending classical and transformer-based NLP models, achieving a 99.86% detection accuracy with significantly lower computational demands-20 times faster than using transformer-based models alone. Our approach is tested in a realistic setting and compared with 35 other methods, including Machine Learning-based and transformer models like BERT, on a dataset of over 30,000 SQL sentences. Our results show that this hybrid method effectively detects SQLi in high-traffic environments, offering efficient and accurate protection against SQLi vulnerabilities with computational efficiency. The code is available at https://github.com/gdrlab/cascaded-sqli-detection .
• Abstract（参考訳）: SQLインジェクション(SQLi)攻撃の検出は、Webベースのデータセンタセキュリティにとって重要であるが、特に高速ネットワークにおいて、正確性と計算効率のバランスをとることは困難である。 従来の手法はこのバランスに苦しむが、NLPベースのアプローチは正確ではあるが計算に重きを置いている。 従来型と変圧器ベースのNLPモデルを混合した新しいカスケードSQLi検出法を導入し、99.86%の精度で、変圧器ベースのモデルのみを使用する場合に比べて計算要求が大幅に小さく、20倍高速である。 私たちのアプローチは現実的な設定でテストされ、3万以上のSQL文のデータセット上で、BERTのような機械学習ベースおよびトランスフォーマーモデルを含む35の他の手法と比較されます。 本手法は, 高トラフィック環境下でSQLiを効果的に検出し, 計算効率でSQLiの脆弱性を効果的かつ正確に保護する。 コードはhttps://github.com/gdrlab/cascaded-sqli-detection で公開されている。

関連論文リスト

• Learning from Imperfect Data: Towards Efficient Knowledge Distillation of Autoregressive Language Models for Text-to-SQL [83.99974309930072]
  知識蒸留(KD)は、より大規模な教師モデルをより小さな学生モデルに蒸留することを目的とした一般的な手法である。 我々は,不完全なデータ,すなわちKIDを用いてKDを改善することを提案する。 KIDは、すべてのモデルタイプとサイズで一貫した、重要なパフォーマンス向上を達成するだけでなく、トレーニング効率を効果的に向上する。
  論文  参考訳（メタデータ） (2024-10-15T07:51:00Z)
• Context-Aware SQL Error Correction Using Few-Shot Learning -- A Novel Approach Based on NLQ, Error, and SQL Similarity [0.0]
  本稿では,誤り訂正 insql 生成のための新しい数ショット学習手法を提案する。 与えられた自然言語質問(NLQ)に対して最も適した少数ショット誤り訂正例を選択することにより、生成されたクエリの精度を向上させる。 オープンソースデータセットを用いた実験では、単純な誤り訂正法により、誤り訂正のない修正エラーが39.2%増加し、10%増加した。
  論文  参考訳（メタデータ） (2024-10-11T18:22:08Z)
• Inferring Data Preconditions from Deep Learning Models for Trustworthy Prediction in Deployment [25.527665632625627]
  デプロイ中に見つからないデータを使って、モデルの予測の信頼性を判断することが重要です。 従来のソフトウェアを特定し検証する既存の方法は、このタスクには不十分である。 本稿では、ニューラルネットワーク計算から導出されるルールを用いて、データ前提条件を推論する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-26T03:47:18Z)
• Efficient Single Object Detection on Image Patches with Early Exit Enhanced High-Precision CNNs [0.0]
  本稿では,RoboCup Standard Platform Leagueの文脈における移動ロボットを用いた物体検出手法を提案する。 この課題は、様々な照明条件と高速な動きによって引き起こされるぼやけた画像において、ダイナミックな物体を検出することである。 この課題に対処するために,計算に制約のあるロボットプラットフォーム用に設計された畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-09-07T07:23:55Z)
• Machine Learning Force Fields with Data Cost Aware Training [94.78998399180519]
  分子動力学(MD)シミュレーションを加速するために機械学習力場(MLFF)が提案されている。 最もデータ効率のよいMLFFであっても、化学精度に達するには数百フレームの力とエネルギーのラベルが必要になる。 我々は、安価な不正確なデータと高価な正確なデータの組み合わせを利用して、MLFFのデータコストを下げる多段階計算フレームワークASTEROIDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T04:34:54Z)
• Synergistic Self-supervised and Quantization Learning [24.382347077407303]
  本稿では, 自己教師付き自己教師付きモデルを事前学習するための, 相乗的自己教師型自己教師型学習(S)法を提案する。 一度だけトレーニングすることで、Sは異なるビット幅で様々な下流タスクに同時に恩恵を与えることができる。
  論文  参考訳（メタデータ） (2022-07-12T09:55:10Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Efficient and Accurate In-Database Machine Learning with SQL Code Generation in Python [0.0]
  Jinja2のテンプレートマクロを用いたPythonのデータベース内機械学習(IDBML)の新しい手法について説明します。 提案手法は,1つのインメモリデータセットの2～3倍の精度で,現在の最先端手法(決定木とランダム林)よりも2～3%低かった。
  論文  参考訳（メタデータ） (2021-04-07T16:23:19Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• FedPD: A Federated Learning Framework with Optimal Rates and Adaptivity to Non-IID Data [59.50904660420082]
  フェデレートラーニング(FL)は、分散データから学ぶための一般的なパラダイムになっています。 クラウドに移行することなく、さまざまなデバイスのデータを効果的に活用するために、Federated Averaging(FedAvg)などのアルゴリズムでは、"Computation then aggregate"(CTA)モデルを採用している。
  論文  参考訳（メタデータ） (2020-05-22T23:07:42Z)
• BERT-ATTACK: Adversarial Attack Against BERT Using BERT [77.82947768158132]
  離散データ(テキストなど)に対するアドリアック攻撃は、連続データ(画像など)よりも難しい。 対戦型サンプルを生成するための高品質で効果的な方法である textbfBERT-Attack を提案する。 本手法は、成功率と摂動率の両方において、最先端の攻撃戦略より優れている。
  論文  参考訳（メタデータ） (2020-04-21T13:30:02Z)

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。