論文の概要: Predicting SSH keys in Open SSH Memory dumps

• arxiv url: http://arxiv.org/abs/2404.16838v1
• Date: Wed, 24 Jan 2024 16:03:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 11:49:01.933100
• Title: Predicting SSH keys in Open SSH Memory dumps
• Title（参考訳）: Open SSHメモリダンプにおけるSSHキーの予測
• Authors: Florian Rascoussier,
• Abstract要約: セキュアシェルプロトコル(SSH)は、悪意のある活動の保護と潜在的なベールとして機能する。 本研究プロジェクトは,OpenSSHメモリダンプ内のSSHキーの予測に重点を置いている。 作業はSSHkexとSmartKexによって構築された基盤の上に構築され、強化することを目指している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the digital landscape evolves, cybersecurity has become an indispensable focus of IT systems. Its ever-escalating challenges have amplified the importance of digital forensics, particularly in the analysis of heap dumps from main memory. In this context, the Secure Shell protocol (SSH) designed for encrypted communications, serves as both a safeguard and a potential veil for malicious activities. This research project focuses on predicting SSH keys in OpenSSH memory dumps, aiming to enhance protective measures against illicit access and enable the development of advanced security frameworks or tools like honeypots. This Masterarbeit is situated within the broader SmartVMI project, and seeks to build upon existing research on key prediction in OpenSSH heap dumps. Utilizing machine learning (ML) and deep learning models, the study aims to refine features for embedding techniques and explore innovative methods for effective key detection based on recent advancements in Knowledge Graph and ML. The objective is to accurately predict the presence and location of SSH keys within memory dumps. This work builds upon, and aims to enhance, the foundations laid by SSHkex and SmartKex, enriching both the methodology and the results of the original research while exploring the untapped potential of newly proposed approaches. The current thesis dives into memory graph modelization from raw binary heap dump files. Each memory graph can support a range of embeddings that can be used directly for model training, through the use of classic ML models and graph neural network. It offers an in-depth discussion on the current state-of-the-art in key prediction for OpenSSH memory dumps, research questions, experimental setups, programs development, results as well as discussing potential future directions.
• Abstract（参考訳）: デジタルの世界が発展するにつれ、サイバーセキュリティはITシステムにとって不可欠の焦点となっている。 その課題は、特にメインメモリからのヒープダンプの分析において、デジタル法医学の重要性を増大させてきた。 この文脈では、暗号化通信用に設計されたセキュアシェルプロトコル(SSH)が、悪意のある活動の保護と潜在的なベールとして機能する。 この研究プロジェクトは、OpenSSHメモリダンプにおけるSSHキーの予測に重点を置いており、不正アクセスに対する保護対策を強化し、高度なセキュリティフレームワークや、ハニーポットのようなツールの開発を可能にすることを目的としている。 このMasterarbeitは、より広範なSmartVMIプロジェクト内にあり、OpenSSHヒープダンプの重要な予測に関する既存の研究の上に構築することを目指している。 この研究は、機械学習(ML)とディープラーニングモデルを利用して、埋め込み技術の特徴を洗練し、知識グラフとMLの最近の進歩に基づく効果的なキー検出のための革新的な手法を探求することを目的としている。 目的は、メモリダンプ内のSSHキーの存在と位置を正確に予測することである。 この研究は、SSHkexとSmartKexによって構築された基盤を構築し、新たに提案されたアプローチの未解決の可能性を探りながら、オリジナルの研究の方法論と成果を豊かにすることを目的としている。 現在の論文では、生のバイナリヒープダンプファイルからメモリグラフをモデル化している。 各メモリグラフは、古典的なMLモデルとグラフニューラルネットワークを使用することで、モデルトレーニングに直接使用可能な、さまざまな埋め込みをサポートすることができる。 OpenSSHメモリダンプ、研究質問、実験的なセットアップ、プログラム開発、結果、将来的な方向性について議論する上で、現在の最先端の予測について詳細に議論する。

関連論文リスト

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Federated Learning with Quantum Computing and Fully Homomorphic Encryption: A Novel Computing Paradigm Shift in Privacy-Preserving ML [4.92218040320554]
  フェデレートラーニング(Federated Learning)は、複数の学習クライアントがプライベートデータを公開せずにモデル知識を共有できるようにする、従来の方法に代わるプライバシ保護手法である。 この研究は、古典層と量子層の両方を統合するフェデレート学習ニューラルネットワークアーキテクチャに完全同型暗号化スキームを適用した。
  論文  参考訳（メタデータ） (2024-09-14T01:23:26Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Deep networks for system identification: a Survey [56.34005280792013]
  システム識別は、入力出力データから動的システムの数学的記述を学習する。 同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。 我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
  論文  参考訳（メタデータ） (2023-01-30T12:38:31Z)
• SmartKex: Machine Learning Assisted SSH Keys Extraction From The Heap Dump [0.3867052484157571]
  デジタル法医学において一般的に用いられる方法は、デジタル装置のメインメモリからデータを抽出することである。 ユーザ名やパスワード、SSHセッションキーなどの暗号化キーなど、重要な情報がメインメモリに存在する。 OpenSSHプロセスのヒープメモリスナップショットからセッションキーを抽出する機械学習支援手法であるSmartKexを提案する。
  論文  参考訳（メタデータ） (2022-09-12T13:36:54Z)
• Neural Architecture Search for Dense Prediction Tasks in Computer Vision [74.9839082859151]
  ディープラーニングは、ニューラルネットワークアーキテクチャエンジニアリングに対する需要の高まりにつながっている。 ニューラルネットワーク検索(NAS)は、手動ではなく、データ駆動方式でニューラルネットワークアーキテクチャを自動設計することを目的としている。 NASはコンピュータビジョンの幅広い問題に適用されている。
  論文  参考訳（メタデータ） (2022-02-15T08:06:50Z)
• Generative Deep Learning Techniques for Password Generation [0.5249805590164902]
  パスワード推測に照らして,深層学習モデルと確率ベースモデルの幅広い収集について検討した。 本研究では,最先端サンプリング性能を示す変分オートエンコーダを用いた新しい生成深層学習モデルを提案する。 我々は、よく知られたデータセット上の統一制御フレームワークにおいて、徹底的な経験分析を行う。
  論文  参考訳（メタデータ） (2020-12-10T14:11:45Z)
• 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)
• A Safety Framework for Critical Systems Utilising Deep Neural Networks [13.763070043077633]
  本稿では,ディープニューラルネットワークを利用したクリティカルシステムのための新しい安全引数フレームワークを提案する。 このアプローチは、例えば、ある要求をパスする将来の信頼性、あるいは必要な信頼性レベルへの信頼など、様々な形の予測を可能にする。 運用データを用いたベイズ解析と,近年のディープラーニングの検証と検証技術によって支援されている。
  論文  参考訳（メタデータ） (2020-03-07T23:35:05Z)
• Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
  まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。 このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。