論文の概要: How to integrate cloud service, data analytic and machine learning technique to reduce cyber risks associated with the modern cloud based infrastructure

• arxiv url: http://arxiv.org/abs/2405.11601v1
• Date: Sun, 19 May 2024 16:10:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-21 15:02:50.872031
• Title: How to integrate cloud service, data analytic and machine learning technique to reduce cyber risks associated with the modern cloud based infrastructure
• Title（参考訳）: クラウドサービス、データ分析、機械学習の技術を統合して、現代的なクラウドベースのインフラに関連するサイバーリスクを減らす方法
• Authors: Upakar Bhatta,
• Abstract要約: クラウド技術、機械学習、データ可視化技術を組み合わせることで、ハイブリッドエンタープライズネットワークは大量のデータを保持できる。 従来のセキュリティ技術は、クラウドプラットフォームの急速なデータ爆発に対処できない。 機械学習を利用したセキュリティソリューションとデータ可視化技術は、セキュリティ脅威の検出、データ漏洩、ソフトウェア脆弱性の自動検出において、重要な役割を担っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The combination of cloud technology, machine learning, and data visualization techniques allows hybrid enterprise networks to hold massive volumes of data and provide employees and customers easy access to these cloud data. These massive collections of complex data sets are facing security challenges. While cloud platforms are more vulnerable to security threats and traditional security technologies are unable to cope with the rapid data explosion in cloud platforms, machine learning powered security solutions and data visualization techniques are playing instrumental roles in detecting security threat, data breaches, and automatic finding software vulnerabilities. The purpose of this paper is to present some of the widely used cloud services, machine learning techniques and data visualization approach and demonstrate how to integrate cloud service, data analytic and machine learning techniques that can be used to detect and reduce cyber risks associated with the modern cloud based infrastructure. In this paper I applied the machine learning supervised classifier to design a model based on well-known UNSW-NB15 dataset to predict the network behavior metrics and demonstrated how data analytics techniques can be integrated to visualize network traffics.
• Abstract（参考訳）: クラウド技術、機械学習、データ可視化技術の組み合わせにより、ハイブリッドエンタープライズネットワークは大量のデータを保持し、従業員や顧客がこれらのクラウドデータを容易にアクセスできるようにする。 複雑なデータセットの大規模なコレクションは、セキュリティ上の課題に直面している。 クラウドプラットフォームは、セキュリティの脅威に対してより脆弱であり、従来のセキュリティ技術は、クラウドプラットフォームの急激なデータ爆発に対処できない一方で、機械学習によるセキュリティソリューションとデータ可視化技術は、セキュリティの脅威の検出、データ漏洩、ソフトウェア脆弱性の自動検出において重要な役割を担っている。 本研究の目的は、クラウドサービス、機械学習技術、データ可視化アプローチを広く利用し、現代のクラウド基盤インフラストラクチャに関連するサイバーリスクの検出と低減に使用できるクラウドサービス、データ分析、機械学習技術をいかに統合するかを実証することである。 本稿では、機械学習教師付き分類器を用いて、よく知られたUNSW-NB15データセットに基づくモデルの設計を行い、ネットワークトラフィックの可視化にデータ分析技術をどのように統合できるかを実証する。

関連論文リスト

• Enhancing Critical Infrastructure Cybersecurity: Collaborative DNN Synthesis in the Cloud Continuum [0.0]
  研究者は、重要なインフラストラクチャ(CI)システムのコスト効率と効率を高めるために、IoTとクラウド継続とAIの統合を検討している。 しかし、この統合はCIシステムのサイバー攻撃に対する感受性を高め、停電、石油流出、核事故などの破壊につながる可能性がある。 我々は、訓練されたエッジクラウドモデルを使用して、中央クラウドモデルを合成する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-23T00:36:45Z)
• Driving Intelligent IoT Monitoring and Control through Cloud Computing and Machine Learning [3.134387323162717]
  この記事では、クラウドコンピューティングと機械学習によるインテリジェントなiotモニタリングと制御の推進方法について説明する。 また、iotモニタリングと制御技術の開発、iotモニタリングと制御におけるエッジコンピューティングの適用、データ解析と故障検出における機械学習の役割についても紹介する。
  論文  参考訳（メタデータ） (2024-03-26T20:59:48Z)
• Leveraging AI Planning For Detecting Cloud Security Vulnerabilities [15.503757553097387]
  クラウドコンピューティングサービスは、データストレージ、処理、コラボレーションのためのスケーラブルで費用対効果の高いソリューションを提供する。 アクセス制御のミスコンフィグレーションが、クラウドアタックの主要な要因であることが多い。 本研究では,セキュリティ脆弱性を検出するPDDLモデルを開発し,ランサムウェアなどの広範囲な攻撃につながる可能性がある。
  論文  参考訳（メタデータ） (2024-02-16T03:28:02Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• 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 Review of Machine Learning-based Security in Cloud Computing [5.384804060261833]
  クラウドコンピューティング(CC)は、ITリソースのユーザへの提供方法に革命をもたらしている。 CCの成長に伴い、可用性、完全性、機密性への脅威など、セキュリティ上のリスクが多数発生している。 機械学習(ML)は、セキュリティ問題の特定と解決における人間の介入を減らすために、クラウドサービスプロバイダ(CSP)によってますます利用されている。
  論文  参考訳（メタデータ） (2023-09-10T01:52:23Z)
• Integrating Homomorphic Encryption and Trusted Execution Technology for Autonomous and Confidential Model Refining in Cloud [4.21388107490327]
  同型暗号化と信頼性の高い実行環境技術は、自律的な計算の機密性を保護することができる。 モデル精錬方式の設計にこれらの2つの手法を統合することを提案する。
  論文  参考訳（メタデータ） (2023-08-02T06:31:41Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
  クラウドとエッジ両方のAIの体系的なレビューを行います。 私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。 我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
  論文  参考訳（メタデータ） (2021-11-11T05:58:23Z)
• Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
  この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。 様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
  論文  参考訳（メタデータ） (2020-12-18T22:38:47Z)
• 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。