Fugu-MT 論文翻訳(概要): Securing an Application Layer Gateway: An Industrial Case Study

論文の概要: Securing an Application Layer Gateway: An Industrial Case Study

arxiv url: http://arxiv.org/abs/2401.05961v1
Date: Thu, 11 Jan 2024 15:02:31 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 12:47:21.941671
Title: Securing an Application Layer Gateway: An Industrial Case Study
Title（参考訳）: アプリケーション・レイヤ・ゲートウェイのセキュア化:産業ケーススタディ
Authors: Carmine Cesarano, Roberto Natella,
Abstract要約: アプリケーション・レイヤ・ゲートウェイ(ALG)は、鉄道、産業自動化、防衛などの重要なシステムを確保する上で重要な役割を担っている。本稿では,ALGの総合的なセキュリティテストのための脆弱性駆動手法を提案する。
参考スコア（独自算出の注目度）: 3.67004863266419
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Application Layer Gateways (ALGs) play a crucial role in securing critical systems, including railways, industrial automation, and defense applications, by segmenting networks at different levels of criticality. However, they require rigorous security testing to prevent software vulnerabilities, not only at the network level but also at the application layer (e.g., deep traffic inspection components). This paper presents a vulnerability-driven methodology for the comprehensive security testing of ALGs. We present the methodology in the context of an industrial case study in the railways domain, and a simulation-based testing environment to support the methodology.
Abstract（参考訳）: アプリケーション・レイヤ・ゲートウェイ(ALG)は、鉄道、産業自動化、防衛アプリケーションを含む重要なシステムを確保する上で重要な役割を担っている。しかしながら、ネットワークレベルだけでなくアプリケーション層(ディープトラフィックインスペクションコンポーネントなど)でも、ソフトウェアの脆弱性を防止するために厳格なセキュリティテストが必要です。本稿では,ALGの総合的なセキュリティテストのための脆弱性駆動手法を提案する。本稿では,鉄道分野における産業事例研究の文脈における方法論と,その方法論を支援するためのシミュレーションベースの試験環境について述べる。

関連論文リスト

Simulation-based Safety Assurance for an AVP System incorporating Learning-Enabled Components [0.6526824510982802]
テスト、検証、検証 AD/ADASセーフティクリティカルなアプリケーションが大きな課題のひとつとして残っています。安全クリティカルな学習可能システムの検証と検証を目的としたシミュレーションベースの開発プラットフォームについて説明する。
論文参考訳（メタデータ） (2023-09-28T09:00:31Z)
A Model Based Framework for Testing Safety and Security in Operational Technology Environments [0.46040036610482665]
本稿では,テスト中のシステムの安全性とセキュリティの挙動を分析するための有望な手法として,モデルに基づくテスト手法を提案する。基盤となるフレームワークの構造は、運用技術環境のテストにおいて重要な要素に従って、4つの部分に分けられる。
論文参考訳（メタデータ） (2023-06-22T05:37:09Z)
AdvCat: Domain-Agnostic Robustness Assessment for Cybersecurity-Critical Applications with Categorical Inputs [29.907921481157974]
敵攻撃に対する堅牢性は、機械学習のデプロイメントにおける重要な信頼の1つだ。本稿では,ML駆動型サイバーセキュリティクリティカルな幅広いアプリケーションを対象とした,最適かつ高効率な対向ロバスト性評価プロトコルを提案する。本研究では,ドメインに依存しないロバスト性評価手法を用いて,偽ニュースの検出と侵入検知問題に関する実験を行った。
論文参考訳（メタデータ） (2022-12-13T18:12:02Z)
Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文参考訳（メタデータ） (2022-12-12T06:30:17Z)
Security and Safety Aspects of AI in Industry Applications [0.0]
今後5～10年で業界に影響を及ぼすであろう機械学習の安全性とセキュリティの領域における課題を要約する。安全およびセキュリティ関連ドメインの根底にある問題の報告、例えば、敵攻撃はアーリーアダプターを不安定にしている。現実の応用可能性の問題は、これらの技術を適用するリスクを評価することにある。
論文参考訳（メタデータ） (2022-07-16T16:41:00Z)
Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文参考訳（メタデータ） (2021-06-03T16:45:40Z)
Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。近年,これらの安全対策を目的とした最先端技術動物園が出現している。本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文参考訳（メタデータ） (2021-04-29T09:54:54Z)
Symbolic Reinforcement Learning for Safe RAN Control [62.997667081978825]
無線アクセスネットワーク(RAN)アプリケーションにおける安全な制御のためのシンボリック強化学習(SRL)アーキテクチャを紹介します。本ツールでは,LTL(Linear Temporal Logic)で表現された高レベルの安全仕様を選択して,所定のセルネットワーク上で動作しているRLエージェントをシールドする。ユーザインタフェース(ui)を用いて,ユーザがインテントの仕様をアーキテクチャに設定し,許可されたアクションとブロックされたアクションの違いを検査する。
論文参考訳（メタデータ） (2021-03-11T10:56:49Z)
Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文参考訳（メタデータ） (2021-01-28T16:38:26Z)
Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文参考訳（メタデータ） (2020-10-19T13:09:31Z)
SafeML: Safety Monitoring of Machine Learning Classifiers through Statistical Difference Measure [1.2599533416395765]
本稿では,MLシステムの運用において,単一の保護概念内での安全性とセキュリティの両面に対処することを目的とする。本研究では,経験的累積分布関数(ECDF)の距離測定値を用いて,データ駆動システムの動作と運用状況を監視する。予備的な知見は,MLコンポーネントのアプリケーションコンテキストが安全性に有効であるかどうかを検知するための基盤となることを示唆している。
論文参考訳（メタデータ） (2020-05-27T05:27:38Z)

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。