論文の概要: Stop Stealing My Data: Sanitizing Stego Channels in 3D Printing Design Files

• arxiv url: http://arxiv.org/abs/2404.05106v1
• Date: Sun, 7 Apr 2024 23:28:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 15:53:11.306195
• Title: Stop Stealing My Data: Sanitizing Stego Channels in 3D Printing Design Files
• Title（参考訳）: 3Dプリンティングデザインファイルにステゴチャンネルを消毒する「Stealing My Data」
• Authors: Aleksandr Dolgavin, Mark Yampolskiy, Moti Yung,
• Abstract要約: ステガノグラフィーチャネルは、印刷されたモデルを変更することなく、追加のデータをSTLファイル内に埋め込むことができる。 本稿では,ステガノグラフィーチャネルが存在する可能性のある隠されたコンテンツを消去するアンフェニタイザーを設計し,評価することで,このセキュリティ上の脅威に対処する。
• 参考スコア（独自算出の注目度）: 56.96539046813698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increased adoption of additive manufacturing (AM) and the acceptance of AM outsourcing created an ecosystem in which the sending and receiving of digital designs by different actors became normal. It has recently been shown that the STL design files -- most commonly used in AM -- contain steganographic channels. Such channels can allow additional data to be embedded within the STL files without changing the printed model. These factors create a threat of misusing the design files as a covert communication channel to either exfiltrate stolen sensitive digital data from organizations or infiltrate malicious software into a secure environment. This paper addresses this security threat by designing and evaluating a \emph{sanitizer} that erases hidden content where steganographic channels might exist. The proposed sanitizer takes into account a set of specific constraints imposed by the application domain, such as not affecting the ability to manufacture part of the required quality using the sanitized design.
• Abstract（参考訳）: 添加物製造(AM)の採用の増加とAMアウトソーシングの受け入れにより、異なるアクターによるデジタルデザインの送受信が正常になるエコシステムが形成された。 最近、STL設計ファイル(最も一般的にAMで使用される)がステガノグラフィーチャネルを含んでいることが示されている。 このようなチャネルは、印刷されたモデルを変更することなく、追加のデータをSTLファイル内に埋め込むことができる。 これらの要因は、盗難された機密デジタルデータを組織から流出させるか、悪意のあるソフトウェアを安全な環境に侵入させるために、設計ファイルを秘密の通信チャネルとして誤用する恐れがある。 本稿では,ステガノグラフィーチャネルが存在する可能性のある隠されたコンテンツを消去する「emph{sanitizer}」を設計し,評価することで,このセキュリティ上の脅威に対処する。 提案したサニタイザは、そのサニタイズされた設計を用いて要求される品質の一部を製造する能力に影響を与えないなど、アプリケーションドメインによって課される特定の制約を考慮に入れている。

関連論文リスト

• X-DFS: Explainable Artificial Intelligence Guided Design-for-Security Solution Space Exploration [6.060020806741279]
  これらの脆弱性に対処するために、DFS(Design-for-Security)ソリューションが提案されている。 DFS戦略には堅牢な形式主義が欠如しており、しばしば人間には理解できないものであり、膨大な量の人的専門家の努力を必要とする。 本研究では,DFSによる解空間探索手法であるX-DFSを提案する。
  論文  参考訳（メタデータ） (2024-11-11T19:04:29Z)
• ResiLogic: Leveraging Composability and Diversity to Design Fault and Intrusion Resilient Chips [0.7499722271664147]
  本稿では, レジリエンスに対する3つの関連する攻撃(分布, 粒子, 複合攻撃)を考慮に入れた脅威モデルについて述べる。 textitDiversity by Composability を利用した textttResiLogic フレームワークを導入する。 異なる粒度レベルでのこのアプローチを用いることで,thisttResiLogicにおける回路設計のレジリエンスを5倍に向上させる。
  論文  参考訳（メタデータ） (2024-09-04T09:18:43Z)
• Provably Robust and Secure Steganography in Asymmetric Resource Scenario [30.12327233257552]
  現在の安全なステガノグラフィーアプローチでは、プライベートメッセージの隠蔽と抽出のためにエンコーダとデコーダのペアが必要となる。 本稿では,非対称な資源設定のための確実かつセキュアなステガノグラフィーフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-18T13:32:00Z)
• Transferable Watermarking to Self-supervised Pre-trained Graph Encoders by Trigger Embeddings [43.067822791795095]
  Graph Self-supervised Learning (GSSL)は、基礎グラフエンコーダの事前トレーニングを可能にする。 このようなエンコーダは簡単にプルインできるので、著作権侵害に弱い。 我々はGSSL設定でグラフエンコーダを保護する新しい透かしフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-06-19T03:16:11Z)
• AquaLoRA: Toward White-box Protection for Customized Stable Diffusion Models via Watermark LoRA [67.68750063537482]
  拡散モデルは高品質な画像の生成において顕著な成功を収めた。 最近の研究は、SDモデルがポストホック法医学のための透かし付きコンテンツを出力できるようにすることを目的としている。 このシナリオにおける最初の実装としてtextttmethod を提案する。
  論文  参考訳（メタデータ） (2024-05-18T01:25:47Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models [64.89896692649589]
  テキスト・画像拡散モデルの微調整に適した透かしシステムであるFT-Shieldを提案する。 FT-Shieldは新しい透かしの生成と検出戦略を設計することで著作権保護の課題に対処する。
  論文  参考訳（メタデータ） (2023-10-03T19:50:08Z)
• Degeneration-Tuning: Using Scrambled Grid shield Unwanted Concepts from Stable Diffusion [106.42918868850249]
  SD重みから不要な概念の内容を保護するために,textbf Degeneration-Tuning (DT) という新しい手法を提案する。 この適応はモデルの重みのレベルで発生するため、DT後のSDは、CrutNetのような他の条件付き拡散フレームワークに移植して不要な概念を保護することができる。
  論文  参考訳（メタデータ） (2023-08-02T03:34:44Z)
• Are You Copying My Model? Protecting the Copyright of Large Language Models for EaaS via Backdoor Watermark [58.60940048748815]
  企業は大規模な言語モデル(LLM)に基づいたEmbeddding as a Service(E)の提供を開始した。 Eはモデル抽出攻撃に弱いため、LLMの所有者に重大な損失をもたらす可能性がある。 埋め込みにバックドアを埋め込むEmbMarkerという埋め込み透かし手法を提案する。
  論文  参考訳（メタデータ） (2023-05-17T08:28:54Z)

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。