論文の概要: A Deep Reinforcement Learning Approach for Security-Aware Service Acquisition in IoT

• arxiv url: http://arxiv.org/abs/2404.03276v1
• Date: Thu, 4 Apr 2024 08:00:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-05 15:24:04.214913
• Title: A Deep Reinforcement Learning Approach for Security-Aware Service Acquisition in IoT
• Title（参考訳）: IoTにおけるセキュリティ対応サービス獲得のための深層強化学習アプローチ
• Authors: Marco Arazzi, Serena Nicolazzo, Antonino Nocera,
• Abstract要約: モノのインターネットにおけるサービスの獲得において、適切なレベルのプライバシとセキュリティ要件を定義するための完全なフレームワークを提案する。 強化学習ベースのソリューションを使用することで、環境内のユーザエージェントは、ターゲットサービスへのアクセスを許可する最適なスマートオブジェクトを選択するように訓練される。
• 参考スコア（独自算出の注目度）: 2.765106384328772
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The novel Internet of Things (IoT) paradigm is composed of a growing number of heterogeneous smart objects and services that are transforming architectures and applications, increasing systems' complexity, and the need for reliability and autonomy. In this context, both smart objects and services are often provided by third parties which do not give full transparency regarding the security and privacy of the features offered. Although machine-based Service Level Agreements (SLA) have been recently leveraged to establish and share policies in Cloud-based scenarios, and also in the IoT context, the issue of making end users aware of the overall system security levels and the fulfillment of their privacy requirements through the provision of the requested service remains a challenging task. To tackle this problem, we propose a complete framework that defines suitable levels of privacy and security requirements in the acquisition of services in IoT, according to the user needs. Through the use of a Reinforcement Learning based solution, a user agent, inside the environment, is trained to choose the best smart objects granting access to the target services. Moreover, the solution is designed to guarantee deadline requirements and user security and privacy needs. Finally, to evaluate the correctness and the performance of the proposed approach we illustrate an extensive experimental analysis.
• Abstract（参考訳）: 新たなモノのインターネット(IoT)パラダイムは、アーキテクチャやアプリケーションをトランスフォーメーションし、システムの複雑さを増大させ、信頼性と自律性の必要性を増す、異質なスマートオブジェクトやサービスの増加によって構成されている。 この文脈では、スマートオブジェクトとサービスは、提供された機能のセキュリティとプライバシに関する完全な透明性を提供していないサードパーティによって提供されることが多い。 マシンラーニングベースのサービスレベルアグリーメント(SLA)は、最近、クラウドベースのシナリオやIoTコンテキストにおけるポリシの確立と共有に利用されていますが、システム全体のセキュリティレベルと、要求されたサービスの提供によるプライバシ要件の履行をエンドユーザに認識させるという問題は、依然として難しい課題です。 この問題に対処するために、ユーザニーズに応じて、IoTにおけるサービスの取得において適切なレベルのプライバシとセキュリティ要件を定義する完全なフレームワークを提案する。 強化学習ベースのソリューションを使用することで、環境内のユーザエージェントは、ターゲットサービスへのアクセスを許可する最適なスマートオブジェクトを選択するように訓練される。 さらに、ソリューションは、期限要件とユーザセキュリティとプライバシニーズを保証するように設計されている。 最後に,提案手法の正しさと性能を評価するため,広範囲な実験解析を行った。

関連論文リスト

• Towards Secure Management of Edge-Cloud IoT Microservices using Policy as Code [6.200058263544999]
  IoTアプリケーションプロバイダは、IoTデータを貴重な情報に変換するアプリケーションを開発するために、ますますMicroService Architecture(MSA)を使用している。 提案されたフレームワークには、“コントロールプレーン”が含まれており、クラウドネイティブ(コンテナオーケストレータとサービスメッシュ)テクノロジをインテリジェントかつ動的に利用して、セキュリティポリシを強制する。 提案されたフレームワークのプロトタイプを、Docker、Istio、Open Policy Agentといったオープンソースのクラウドネイティブテクノロジを使って実装し、フレームワークを検証する。
  論文  参考訳（メタデータ） (2024-06-27T01:03:23Z)
• Adaptive Lightweight Security for Performance Efficiency in Critical Healthcare Monitoring [1.1874952582465603]
  IoT(Internet of Things, モノのインターネット)とその多様な技術は、将来の医療システムにとって不可欠なコンポーネントになっている。 進化する医療パラダイムは、IoTデバイスのさまざまなリソース制約に適応可能な、適応的なセキュリティ手順とテクノロジを必要とする。 この記事では、ユニークな医療監視要件を提起し、必要なセキュリティを提供するために、既存の暗号化ベースのセキュリティアプローチを研究します。
  論文  参考訳（メタデータ） (2024-06-06T06:55:16Z)
• Socialized Learning: A Survey of the Paradigm Shift for Edge Intelligence in Networked Systems [62.252355444948904]
  本稿では,エッジインテリジェンス(EI)と社会学習(SL)の統合に関する文献レビューの結果について述べる。 SLは、エージェントの協調能力と集団知性を増幅することを目的とした、社会的原則と行動に基づく学習パラダイムである。 ソーシャル化アーキテクチャ、ソーシャル化トレーニング、ソーシャル化推論の3つの統合コンポーネントについて詳しく検討し、その強みと弱点を分析した。
  論文  参考訳（メタデータ） (2024-04-20T11:07:29Z)
• IoT in the Cloud: Exploring Security Challenges and Mitigations for a Connected World [18.36339203254509]
  IoT(Internet of Things)は近年顕著な進歩を遂げており、デジタルランドスケープのパラダイムシフトにつながっている。 IoTデバイスは本質的にインターネットに接続されており、様々なタイプの攻撃を受けやすい。 IoTサービスは、悪意のあるアクターや不正なサービスプロバイダによって悪用される可能性のある、機密性の高いユーザデータを扱うことが多い。
  論文  参考訳（メタデータ） (2024-02-01T05:55:43Z)
• Service Level Agreements and Security SLA: A Comprehensive Survey [51.000851088730684]
  本調査では,SLA管理のコンセプト,アプローチ,オープンな課題を網羅する技術の現状を明らかにする。 これは、既存の調査で提案された分析と、このトピックに関する最新の文献とのギャップを包括的にレビューし、カバーすることで貢献する。 SLAライフサイクルの段階に基づく分析を組織化するための新しい分類基準を提案する。
  論文  参考訳（メタデータ） (2024-01-31T12:33:41Z)
• 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)
• A Survey of the Security Challenges and Requirements for IoT Operating Systems [0.0]
  IoT(Internet of Things)は、ユビキタスなコネクティビティに囲まれた世界へと収束するにつれて、現代生活の不可欠な部分になりつつある。 巨大なIoTエコシステムによって引き起こされる固有の複雑さは、個々のシステムコンポーネントとそのインタラクションの理解が不十分に終わる。 安定かつセキュアなソリューションの開発を規制する基盤として機能する統一オペレーティングシステム(OS)が必要である。
  論文  参考訳（メタデータ） (2023-10-27T19:19:07Z)
• The Internet of Senses: Building on Semantic Communications and Edge Intelligence [67.75406096878321]
  インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。 我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
  論文  参考訳（メタデータ） (2022-12-21T03:37:38Z)
• HBFL: A Hierarchical Blockchain-based Federated Learning Framework for a Collaborative IoT Intrusion Detection [0.0]
  セキュアでプライバシ保護されたコラボレーティブなIoT侵入検出を実現するために,階層的なブロックチェーンベースのフェデレーション学習フレームワークを提案する。 MLベースの侵入検出フレームワークの提案は、学習プロセスと組織データのプライバシを確保するために、階層的なフェデレーション付き学習アーキテクチャに従っている。 その結果は、データプライバシを保持しながら、広範囲の悪意あるアクティビティを検出できる、セキュアに設計されたMLベースの侵入検知システムである。
  論文  参考訳（メタデータ） (2022-04-08T19:06:16Z)
• 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)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)

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。