論文の概要: HoneyDOC: An Efficient Honeypot Architecture Enabling All-Round Design

• arxiv url: http://arxiv.org/abs/2402.06516v1
• Date: Fri, 9 Feb 2024 16:27:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 11:29:11.608428
• Title: HoneyDOC: An Efficient Honeypot Architecture Enabling All-Round Design
• Title（参考訳）: HoneyDOC: オールロード設計を実現する効率的なHoneypotアーキテクチャ
• Authors: Wenjun Fan, Zhihui Du, Max Smith-Creasey, David Fernández,
• Abstract要約: ハニーポットは悪意のある行動を調べるために攻撃者を罠にかけるように設計されている。 高品質な攻撃データをキャプチャする方法は、ハニーポット領域の文脈において課題となっている。 センシティビリティ、対策、ステルスの大幅な改善を意味する全周ハニーポットは、この問題に対処するために必要である。
• 参考スコア（独自算出の注目度）: 0.5849783371898033
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Honeypots are designed to trap the attacker with the purpose of investigating its malicious behavior. Owing to the increasing variety and sophistication of cyber attacks, how to capture high-quality attack data has become a challenge in the context of honeypot area. All-round honeypots, which mean significant improvement in sensibility, countermeasure and stealth, are necessary to tackle the problem. In this paper, we propose a novel honeypot architecture termed HoneyDOC to support all-round honeypot design and implementation. Our HoneyDOC architecture clearly identifies three essential independent and collaborative modules, Decoy, Captor and Orchestrator. Based on the efficient architecture, a Software-Defined Networking (SDN) enabled honeypot system is designed, which supplies high programmability for technically sustaining the features for capturing high-quality data. A proof-of-concept system is implemented to validate its feasibility and effectiveness. The experimental results show the benefits by using the proposed architecture comparing to the previous honeypot solutions.
• Abstract（参考訳）: ハニーポットは悪意のある行動を調べるために攻撃者を罠にかけるように設計されている。 サイバー攻撃の多様性と高度化により、ハニーポット領域の文脈では、高品質な攻撃データを捕捉する方法が課題となっている。 センシティビリティ、対策、ステルスの大幅な改善を意味する全周ハニーポットは、この問題に対処するために必要である。 本稿では,ハニーポット全体の設計と実装を支援する新しいハニーポットアーキテクチャHoneyDOCを提案する。 私たちのHoneyDOCアーキテクチャは、Decoy、Captor、Orchestratorという3つの重要な独立した協調モジュールを明確に識別しています。 この効率的なアーキテクチャに基づいて、SDN(Software-Defined Networking)によって実現されたハニーポットシステムを設計し、高品質なデータをキャプチャする機能を技術的に維持するための高いプログラマビリティを提供する。 概念実証システムは、その実現可能性と有効性を検証するために実装される。 実験の結果,提案したアーキテクチャを以前のハニーポットソリューションと比較することで,利点が示された。

関連論文リスト

• AsCAN: Asymmetric Convolution-Attention Networks for Efficient Recognition and Generation [48.82264764771652]
  本稿では,畳み込みブロックと変圧器ブロックを組み合わせたハイブリッドアーキテクチャAsCANを紹介する。 AsCANは、認識、セグメンテーション、クラス条件画像生成など、さまざまなタスクをサポートしている。 次に、同じアーキテクチャをスケールして、大規模なテキスト・イメージタスクを解決し、最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-11-07T18:43:17Z)
• LLM Honeypot: Leveraging Large Language Models as Advanced Interactive Honeypot Systems [0.0]
  ハニーポット(Honeypot)は、攻撃者を誘惑し、相互作用させるように設計されたデコイシステムである。 我々は,大規模言語モデルを用いて,現実的でインタラクティブなハニーポットシステムを構築するための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2024-09-12T17:33:06Z)
• HoneyGPT: Breaking the Trilemma in Terminal Honeypots with Large Language Model [18.51393825471691]
  ハニーポットは柔軟性、相互作用の深さ、騙しの能力のバランスをとるのに苦労する。 本稿では,ChatGPTをベースとしたハニーポットアーキテクチャであるHoneyGPTを紹介する。 本稿では、長期のインタラクションメモリと堅牢なセキュリティ分析を増強する構造化プロンプトエンジニアリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-04T01:31:20Z)
• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• Emergency Caching: Coded Caching-based Reliable Map Transmission in Emergency Networks [9.423705897088672]
  本稿では,データ収集と信頼性伝送に着目したキャッシュネットワークの3層アーキテクチャを提案する。 我々は,コードキャッシュ技術を統合した災害地図収集フレームワークを提案する。 提案手法は,シミュレーションにより検証した非符号化キャッシュ方式よりも効果的である。
  論文  参考訳（メタデータ） (2024-02-27T14:44:11Z)
• Optimally Blending Honeypots into Production Networks: Hardness and Algorithms [11.847370655794608]
  ハニーポットは攻撃者の新たな攻撃を暴露する重要なサイバー防御技術である。 本稿では,ハニーポットの展開という新たなパラダイムのサイバーセキュリティ効果を特徴付けるための系統的研究を開始する。
  論文  参考訳（メタデータ） (2024-01-12T18:54:51Z)
• ILCAS: Imitation Learning-Based Configuration-Adaptive Streaming for Live Video Analytics with Cross-Camera Collaboration [53.29046841099947]
  本稿では,最初の模倣学習 (IL) に基づく構成適応型ライブビデオ分析 (VA) ストリーミングシステムを提案する。 ILCASは、オフラインの最適ポリシーとして設計された専門家から収集されたデモでエージェントを訓練する。 ILCASは最先端のソリューションに比べて優れており、平均精度は2-20.9%改善し、チャンクアップロードラグは19.9-85.3%削減された。
  論文  参考訳（メタデータ） (2023-08-19T16:20:59Z)
• Heterogeneous Continual Learning [88.53038822561197]
  本稿では,ネットワークアーキテクチャの変更に伴う継続学習(CL)問題に対処する新しい枠組みを提案する。 本研究は, 蒸留ファミリ上に構築し, より弱いモデルが教師の役割を担うような, 新たな環境に適応するものである。 また、知識伝達を支援するために、タスク前の視覚的特徴を復元するクイック・ディープ・インバージョン(QDI)を提案する。
  論文  参考訳（メタデータ） (2023-06-14T15:54:42Z)
• HoneyCar: A Framework to Configure HoneypotVulnerabilities on the Internet of Vehicles [5.248912296890883]
  Internet of Vehicles(IoV)は社会経済的利益を約束しているが、新たなサイバー物理学的脅威をもたらす。 車両攻撃者のデータは、ハニーポットのようなシステムを使って、サイバー脅威情報を通じて現実的に収集することができる。 ハニーカー(HoneyCar)は、ハニーポット詐欺の新しい意思決定支援フレームワークである。
  論文  参考訳（メタデータ） (2021-11-03T17:31:56Z)
• Pareto-Frontier-aware Neural Architecture Generation for Diverse Budgets [93.79297053429447]
  既存の手法は、しばしばそれぞれの目標予算を独立したアーキテクチャで検索する。 モデル推論のみで任意の予算で効率的なアーキテクチャを自動生成する汎用アーキテクチャ生成器を提案する。 3つのプラットフォーム(モバイル、CPU、GPUなど)における広範な実験は、提案手法が既存のNAS法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-02-27T13:59:17Z)
• Multi-Scale Boosted Dehazing Network with Dense Feature Fusion [92.92572594942071]
  U-Netアーキテクチャに基づくDense Feature Fusionを用いたマルチスケールブーストデハージングネットワークを提案する。 提案モデルでは,ベンチマークデータセットや実世界のハジー画像に対する最先端のアプローチに対して,好意的に機能することを示す。
  論文  参考訳（メタデータ） (2020-04-28T09:34:47Z)

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。