論文の概要: A Survey on Consumer IoT Traffic: Security and Privacy
- arxiv url: http://arxiv.org/abs/2403.16149v1
- Date: Sun, 24 Mar 2024 13:43:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 17:15:57.983852
- Title: A Survey on Consumer IoT Traffic: Security and Privacy
- Title（参考訳）: コンシューマIoTトラフィックに関する調査 - セキュリティとプライバシ
- Authors: Yan Jia, Yuxin Song, Zihou Liu, Qingyin Tan, Fangming Wang, Yu Zhang, Zheli Liu,
- Abstract要約: セキュリティとプライバシの観点から、この調査では、CIoTトラフィック分析の新たな特徴を探求している。
2018年1月から2023年12月までに,CIoTトラフィック分析に関する310の論文を収集しました。
デバイスフィンガープリント、ユーザアクティビティの推測、悪意のあるトラフィック分析、セキュリティ分析、測定という5つのアプリケーション目標に基づいて、既存の作業について詳述する。
- 参考スコア（独自算出の注目度）: 8.907011565063948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For the past few years, the Consumer Internet of Things (CIoT) has entered public lives. While CIoT has improved the convenience of people's daily lives, it has also brought new security and privacy concerns. In this survey, we try to figure out what researchers can learn about the security and privacy of CIoT by traffic analysis, a popular method in the security community. From the security and privacy perspective, this survey seeks out the new characteristics in CIoT traffic analysis, the state-of-the-art progress in CIoT traffic analysis, and the challenges yet to be solved. We collected 310 papers from January 2018 to December 2023 related to CIoT traffic analysis from the security and privacy perspective and summarized the process of CIoT traffic analysis in which the new characteristics of CIoT are identified. Then, we detail existing works based on five application goals: device fingerprinting, user activity inference, malicious traffic analysis, security analysis, and measurement. At last, we discuss the new challenges and future research directions.
- Abstract（参考訳）: 過去数年間、Consumer Internet of Things(CIoT)が世に出た。
CIoTは人々の日常生活の利便性を改善したが、新たなセキュリティとプライバシの懸念ももたらした。
本調査では,CIoTのセキュリティとプライバシについて,セキュリティコミュニティで人気のある手法であるトラフィック分析を用いて,研究者が学べるものについて検討する。
セキュリティとプライバシの観点から、この調査では、CIoTトラフィック分析の新たな特徴、CIoTトラフィック分析の最先端の進展、未解決の課題について調べる。
2018年1月から2023年12月までに,セキュリティとプライバシの観点からCIoTトラフィック分析に関する310の論文を収集し,CIoTの新たな特徴を識別するCIoTトラフィック分析のプロセスを要約した。
次に、デバイスフィンガープリント、ユーザアクティビティの推測、悪意のあるトラフィック分析、セキュリティ分析、測定という5つのアプリケーション目標に基づいて、既存の作業について詳述する。
最後に,新たな課題と今後の研究方向性について論じる。
関連論文リスト
- I Still See You: Why Existing IoT Traffic Reshaping Fails [14.077052412195263]
Internet of Things(IoT)デバイスによって生成されたインターネットトラフィックデータは、インターネットサービスプロバイダ(ISP)とデバイスメーカによって収集される。
オンパスの敵は、これらのネットワークトラフィックトレースを分析することによって、ユーザの機密プライバシー情報を推測し、フィンガープリントすることができる。
現在、既存の研究の包括性を比較評価する体系的な方法はない。
論文 参考訳（メタデータ） (2024-06-14T18:11:44Z) - A Survey on Intelligent Internet of Things: Applications, Security, Privacy, and Future Directions [8.657062539499476]
IoT(Internet of Things)の急速な進歩は、コミュニケーション技術の革命を促進し、さまざまなカスタマーサービスを提供している。
人工知能(AI)技術は、IoT操作の促進と、現代的なアプリケーションシナリオにおけるその可能性の最大化に活用されている。
IoTとAIの収束により、Intelligent IoT(IIoT)と呼ばれる新しいネットワークパラダイムが生まれました。
論文 参考訳（メタデータ） (2024-06-06T07:55:30Z) - TrafficGPT: Towards Multi-Scale Traffic Analysis and Generation with Spatial-Temporal Agent Framework [3.947797359736224]
我々は3つのAIエージェントを用いてマルチスケールトラフィックデータを処理するマルチスケールトラフィック生成システムであるTrafficGPTを設計した。
TrafficGPTは,1)ユーザと対話し,テキストを介して予測タスクを抽出するテキスト・ツー・デマンドエージェント,2)マルチスケールトラフィックデータを利用して時間的特徴と類似性を生成するトラフィック予測エージェント,3)予測結果を用いて提案や視覚化を行う提案・可視化エージェントの3つの重要なAIエージェントから構成される。
論文 参考訳（メタデータ） (2024-05-08T07:48:40Z) - Deep Learning Approaches for Network Traffic Classification in the
Internet of Things (IoT): A Survey [0.0]
IoT(Internet of Things)は前例のない成長を遂げ、相互接続されたデバイスからの多様なネットワークトラフィックが大量に流入している。
このネットワークトラフィックを効果的に分類することは、リソース割り当ての最適化、セキュリティ対策の強化、IoTシステムにおける効率的なネットワーク管理の確保に不可欠である。
ディープラーニングは、生データから複雑なパターンや表現を自動的に学習する能力のために、ネットワークトラフィック分類の強力なテクニックとして登場した。
論文 参考訳（メタデータ） (2024-02-01T14:33:24Z) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳（メタデータ） (2023-06-05T01:01:12Z) - Intelligent Traffic Monitoring with Hybrid AI [78.65479854534858]
マルチモーダルコンテキスト理解のためのニューロシンボリックアーキテクチャであるHANSを紹介する。
HANSが交通監視に関わる課題にどのように対処するかを示すとともに,幅広い推論手法と統合可能であることを示す。
論文 参考訳（メタデータ） (2022-08-31T17:47:22Z) - Deep Learning Serves Traffic Safety Analysis: A Forward-looking Review [4.228522109021283]
本稿では,トラヒックビデオの理解と解釈に使用できる,典型的な処理パイプラインを提案する。
この処理フレームワークは、ビデオ強調、ビデオ安定化、セマンティックおよびインシデントセグメンテーション、オブジェクト検出と分類、軌道抽出、速度推定、イベント分析、モデリング、異常検出を含む。
論文 参考訳（メタデータ） (2022-03-07T17:21:07Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z) - Constraint Programming Algorithms for Route Planning Exploiting
Geometrical Information [91.3755431537592]
本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。
これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。
目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
論文 参考訳（メタデータ） (2020-09-22T00:51:45Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳（メタデータ） (2020-08-29T15:14:03Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。