論文の概要: Research and application of artificial intelligence based webshell detection model: A literature review

• arxiv url: http://arxiv.org/abs/2405.00066v1
• Date: Sun, 28 Apr 2024 06:14:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-02 17:35:46.983842
• Title: Research and application of artificial intelligence based webshell detection model: A literature review
• Title（参考訳）: 人工知能を用いたウェブシェル検出モデルの研究と応用:文献レビュー
• Authors: Mingrui Ma, Lansheng Han, Chunjie Zhou,
• Abstract要約: Webshellは、多数のネットワーク攻撃の背後にある"犯人"として、サイバーセキュリティの分野での研究ホットスポットの1つです。 ウェブシェルの複雑さ、ステルス性、紛らわしい性質は、対応する検出スキームに重大な課題をもたらす。 人工知能(AI)技術の台頭により、研究者は異なるインテリジェントアルゴリズムとニューラルネットワークアーキテクチャをウェブシェル検出のタスクに適用し始めている。
• 参考スコア（独自算出の注目度）: 1.6223257916285212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Webshell, as the "culprit" behind numerous network attacks, is one of the research hotspots in the field of cybersecurity. However, the complexity, stealthiness, and confusing nature of webshells pose significant challenges to the corresponding detection schemes. With the rise of Artificial Intelligence (AI) technology, researchers have started to apply different intelligent algorithms and neural network architectures to the task of webshell detection. However, the related research still lacks a systematic and standardized methodological process, which is confusing and redundant. Therefore, following the development timeline, we carefully summarize the progress of relevant research in this field, dividing it into three stages: Start Stage, Initial Development Stage, and In-depth Development Stage. We further elaborate on the main characteristics and core algorithms of each stage. In addition, we analyze the pain points and challenges that still exist in this field and predict the future development trend of this field from our point of view. To the best of our knowledge, this is the first review that details the research related to AI-based webshell detection. It is also hoped that this paper can provide detailed technical information for more researchers interested in AI-based webshell detection tasks.
• Abstract（参考訳）: Webshellは、多数のネットワーク攻撃の背後にある"犯人"として、サイバーセキュリティの分野での研究ホットスポットの1つです。 しかし、ウェブシェルの複雑さ、ステルス性、紛らわしい性質は、対応する検出方式に重大な課題をもたらす。 人工知能(AI)技術の台頭により、研究者は異なるインテリジェントアルゴリズムとニューラルネットワークアーキテクチャをウェブシェル検出のタスクに適用し始めている。 しかし、関連する研究には体系的で標準化された方法論のプロセスがまだ欠けているため、混乱と冗長性がある。 したがって、開発スケジュールに従って、この分野における研究の進捗状況を慎重に要約し、開始段階、初期開発段階、詳細開発段階の3段階に分けられる。 各ステージの主な特徴とコアアルゴリズムについてさらに詳しく述べる。 さらに,この分野でまだ残っている痛点や課題を分析し,我々の視点から今後の発展動向を予測する。 私たちの知る限りでは、AIベースのウェブシェル検出に関する研究の詳細を詳述する最初のレビューである。 また,本論文は,AIベースのウェブシェル検出タスクに関心のある研究者に対して,詳細な技術情報の提供も期待されている。

関連論文リスト

• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [56.44953602790945]
  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。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。 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)
• A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
  この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。 50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。 発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-21T08:54:56Z)
• A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.966640472958105]
  本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。 我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
  論文  参考訳（メタデータ） (2024-01-26T03:20:40Z)
• Towards Possibilities & Impossibilities of AI-generated Text Detection: A Survey [97.33926242130732]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の領域に革命をもたらし、人間のようなテキスト応答を生成する能力を持つ。 これらの進歩にもかかわらず、既存の文献のいくつかは、LLMの潜在的な誤用について深刻な懸念を提起している。 これらの懸念に対処するために、研究コミュニティのコンセンサスは、AI生成テキストを検出するアルゴリズムソリューションを開発することである。
  論文  参考訳（メタデータ） (2023-10-23T18:11:32Z)
• Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
  ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
  論文  参考訳（メタデータ） (2022-10-28T04:38:10Z)
• Characterising Research Areas in the field of AI [68.8204255655161]
  トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。 その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
  論文  参考訳（メタデータ） (2022-05-26T16:30:30Z)
• A Comprehensive Survey of Neural Architecture Search: Challenges and Solutions [48.76705090826339]
  ニューラルネットワーク探索(NAS)は革命的アルゴリズムであり、関連する研究は複雑でリッチである。 まず、初期のNASアルゴリズムの特徴の概要から始め、これらの初期のNASアルゴリズムの問題を要約する。 さらに,これらの研究の詳細な分析,比較,要約を行う。
  論文  参考訳（メタデータ） (2020-06-01T13:08:03Z)

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。