論文の概要: GView: A Versatile Assistant for Security Researchers

• arxiv url: http://arxiv.org/abs/2404.09058v1
• Date: Sat, 13 Apr 2024 18:33:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 17:24:26.030959
• Title: GView: A Versatile Assistant for Security Researchers
• Title（参考訳）: GView: セキュリティ研究者のための有能なアシスタント
• Authors: Raul Zaharia, Dragoş Gavriluţ, Gheorghiţă Mutu, Dorel Lucanu,
• Abstract要約: GViewは、さまざまなファイルタイプに対するガイド付き分析を提供することで、攻撃の可能性を調べるように設計されている。 GViewの背景にある概念は、複雑な攻撃において、すべてのペイロードへのナビゲーションを簡単にする。 GViewは、鑑識で使用される従来のツールと比較して、攻撃の分析時間を大幅に改善する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cyber security attacks have become increasingly complex over time, with various phases of their kill chain, involving binaries, scripts, documents, executed commands, vulnerabilities, or network traffic. We propose a tool, GView, that is designed to investigate possible attacks by providing guided analysis for various file types using automatic artifact identification, extraction, coherent correlation &,inference, and meaningful & intuitive views at different levels of granularity w.r.t. revealed information. The concept behind GView simplifies navigation through all payloads in a complex attack, streamlining the process for security researchers, and Increasing the quality of analysis. GView is generic in the sense it supports a variety of file types and has multiple visualization modes that can be automatically adjusted for each file type alone. Our evaluation shows that GView significantly improves the analysis time of an attack compared to conventional tools used in forensics.
• Abstract（参考訳）: サイバーセキュリティ攻撃は時間とともに複雑化しており、バイナリ、スクリプト、ドキュメント、実行されたコマンド、脆弱性、ネットワークトラフィックといったキルチェーンのさまざまなフェーズが関与している。 本稿では, 各種ファイルタイプの自動識別, 抽出, コヒーレントな相関, 推論, および様々な粒度レベルにおける意味的, 直感的ビューを用いて, 各種ファイルタイプに対するガイド付き解析を提供することにより, 攻撃の可能性を調べるツールGViewを提案する。 GViewの背景にある概念は、複雑な攻撃におけるすべてのペイロードへのナビゲーションを単純化し、セキュリティ研究者のプロセスを合理化し、分析の質を高める。 GViewは、さまざまなファイルタイプをサポートするという意味で汎用的であり、複数の視覚化モードを持ち、ファイルタイプごとに自動的に調整できる。 評価の結果,GViewは従来の法医学ツールと比較して,攻撃解析時間を大幅に改善することがわかった。

関連論文リスト

• Detecting Android Malware by Visualizing App Behaviors from Multiple Complementary Views [28.69137642535078]
  我々は,複数の相補的なビューからアプリの動作を可視化することで,Androidマルウェアを検出する新しい手法であるLensDroidを提案し,実装する。 私たちのゴールは、ディープラーニングとソフトウェアビジュアライゼーションを組み合わせたパワーを活用して、本質的にリンクされていない高レベルの機能を自動的にキャプチャし、集約することにあります。
  論文  参考訳（メタデータ） (2024-10-08T16:00:27Z)
• Fool the Hydra: Adversarial Attacks against Multi-view Object Detection Systems [3.4673556247932225]
  Adrial patchは、現実のシナリオにおける機械学習(ML)モデルに対する敵対的な攻撃によって引き起こされる脅威の、明白な顕在化を実証するものだ。 マルチビューオブジェクトシステムは、複数のビューからのデータを組み合わせて、困難な環境でも信頼性の高い検出結果を得ることができる。 現実の視覚アプリケーションにおいて重要であるにもかかわらず、マルチビューシステムの敵パッチに対する脆弱性は十分に調査されていない。
  論文  参考訳（メタデータ） (2023-11-30T20:11:44Z)
• Generalizable Person Search on Open-world User-Generated Video Content [93.72028298712118]
  人物の検索は、大量の露骨なシーン画像から個人を検索する、困難な作業である。 既存の人検索アプリケーションは、ほとんどトレーニングされ、同じシナリオにデプロイされます。 本稿では,任意のシナリオにおける下流タスクを容易にするために,特徴レベルとデータレベルの両方の一般化可能なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T04:59:50Z)
• PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
  PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。 敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。 AIDを用いてPRATの目的のための新しいフレームワークを考案する。
  論文  参考訳（メタデータ） (2023-09-20T07:42:51Z)
• GLOW: Global Layout Aware Attacks for Object Detection [27.46902978168904]
  敵攻撃は、予測器が誤った結果を出力するような摂動画像を狙う。 本稿では,グローバルなレイアウト認識型敵攻撃を発生させることにより,様々な攻撃要求に対処するアプローチを提案する。 実験では,複数種類の攻撃要求を設計し,MS検証セット上でのアイデアの検証を行う。
  論文  参考訳（メタデータ） (2023-02-27T22:01:34Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)
• GID-Net: Detecting Human-Object Interaction with Global and Instance Dependency [67.95192190179975]
  GIDブロックと呼ばれる2段階の訓練可能な推論機構を導入する。 GID-Netは、ヒューマンブランチ、オブジェクトブランチ、インタラクションブランチで構成される、人間とオブジェクトのインタラクション検出フレームワークである。 我々は,提案したGID-Netを,V-COCOとHICO-DETを含む2つの公開ベンチマーク上で既存の最先端手法と比較した。
  論文  参考訳（メタデータ） (2020-03-11T11:58:43Z)
• I-ViSE: Interactive Video Surveillance as an Edge Service using Unsupervised Feature Queries [70.69741666849046]
  本稿では、教師なし機能クエリに基づくエッジサービス(I-ViSE)としてインタラクティブビデオ監視を提案する。 I-ViSEのプロトタイプはエッジフォッグコンピューティングのパラダイムに従って構築され、実験により、I-ViSE方式がシーン認識の設計目標を2秒以内で満たすことを確認した。
  論文  参考訳（メタデータ） (2020-03-09T14:26:45Z)

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。