Fugu-MT 論文翻訳(概要): Ten Years of ZMap

論文の概要: Ten Years of ZMap

arxiv url: http://arxiv.org/abs/2406.15585v1
Date: Fri, 21 Jun 2024 18:40:57 GMT
ステータス: 処理完了
システム内更新日: 2024-06-25 21:34:03.382869
Title: Ten Years of ZMap
Title（参考訳）: ZMapの10年
Authors: Zakir Durumeric, David Adrian, Phillip Stephens, Eric Wustrow, J. Alex Halderman,
Abstract要約: 我々は、ZMapのリリースから10年にわたって、ZMapの採用を定量化し、その現代的な振る舞いを説明し、ZMapのリリースとメンテナンスから教訓を提供する。 ZMapは攻撃面の管理とセキュリティ評価の業界の多くを支えており、ZMap上には10以上のセキュリティ企業が製品を作っている。
参考スコア（独自算出の注目度）: 10.758951467999657
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Since ZMap's debut in 2013, networking and security researchers have used the open-source scanner to write hundreds of research papers that study Internet behavior. In addition, ZMap powers much of the attack-surface management and security ratings industries, and more than a dozen security companies have built products on top of ZMap. Behind the scenes, much of ZMap's behavior - ranging from its pseudorandom IP generation to its packet construction - has quietly evolved as we have learned more about how to scan the Internet. In this work, we quantify ZMap's adoption over the ten years since its release, describe its modern behavior (and the measurements that motivated those changes), and offer lessons from releasing and maintaining ZMap.
Abstract（参考訳）: 2013年にZMapがデビューして以来、ネットワークとセキュリティの研究者は、このオープンソースのスキャナを使って、インターネットの振る舞いを研究する何百もの研究論文を書いた。さらに、ZMapは攻撃面の管理とセキュリティ評価の業界の多くを支えており、ZMap上には10以上のセキュリティ企業が製品を作っている。裏では、ZMapの動作の大部分(擬似ランダムIP生成からパケット構成まで)が、インターネットのスキャン方法についてより深く学ぶにつれ、静かに進化しています。本研究では、ZMapのリリースから10年にわたってのZMapの採用状況を定量化し、その現代的な振る舞い(およびそれらの変更を動機づけた測定値)を説明し、ZMapのリリースとメンテナンスから教訓を提供する。

関連論文リスト

ML Updates for OpenStreetMap: Analysis of Research Gaps and Future Directions [0.0]
正確な最新の地図を維持することは、あらゆる動的な都市景観において重要である。従来の(主に手動の)マップ生産とクラウドソースのマッピング手法は、構築された環境の急速な変化とペースを維持するのに依然として苦労している。 GoogleやMicrosoftのようなテクノロジーの巨人は、この現代のマッピング問題に対処するための機械学習(ML)技術の調査をすでに始まっている。
論文参考訳（メタデータ） (2024-06-28T23:51:04Z)
Mind the map! Accounting for existing map information when estimating online HDMaps from sensor [15.275704436439012]
HDMapをセンサーから推定することで、コストを大幅に削減できる。提案手法は,HDMapを推定する際の正確な状況の既存のマップを推定する。我々は,新しいオンラインHDMap推定フレームワークであるMapEXを紹介する。
論文参考訳（メタデータ） (2023-11-17T13:40:10Z)
Backdoor Learning on Sequence to Sequence Models [94.23904400441957]
本稿では,シークエンス・ツー・シークエンス(seq2seq)モデルがバックドア攻撃に対して脆弱かどうかを検討する。具体的には、データセットの0.2%のサンプルを注入するだけで、Seq2seqモデルに指定されたキーワードと文全体を生成することができる。機械翻訳とテキスト要約に関する大規模な実験を行い、提案手法が複数のデータセットやモデルに対して90%以上の攻撃成功率を達成することを示した。
論文参考訳（メタデータ） (2023-05-03T20:31:13Z)
Uncovering Fingerprinting Networks. An Analysis of In-Browser Tracking using a Behavior-based Approach [0.0]
この論文は、インターネット上でのブラウザのフィンガープリントの現状を探求している。我々はFPNETを実装し,その動作を観察することで,大量のWebサイト上で指紋認証スクリプトを識別する。 Google、Yandex、Maxmind、Sift、FingerprintJSといった企業を追跡します。
論文参考訳（メタデータ） (2022-08-15T18:06:25Z)
BackdoorBench: A Comprehensive Benchmark of Backdoor Learning [57.932398227755044]
バックドア学習は、ディープニューラルネットワーク(DNN)の脆弱性を研究する上で、新しく重要なトピックである多くの先駆的なバックドア攻撃と防衛手法が、素早い武器競争の状況において、連続的または同時に提案されている。 BackdoorBenchというバックドア学習の総合的なベンチマークを構築しています。
論文参考訳（メタデータ） (2022-06-25T13:48:04Z)
An Automatic Approach for Generating Rich, Linked Geo-Metadata from Historical Map Images [6.962949867017594]
本稿では,歴史地図画像の検索と索引付けの現実的問題に対処するエンド・ツー・エンドのアプローチを提案する。我々はmapKuratorと呼ばれるシステムでこのアプローチを実装した。
論文参考訳（メタデータ） (2021-12-03T01:44:38Z)
Updating Street Maps using Changes Detected in Satellite Imagery [28.25061267734934]
本稿では,衛星画像の進行を経時的に反映し,精度を大幅に向上させる手法を提案する。我々のアプローチはまず、異なるタイミングで撮影した衛星画像を比較して、視覚的に変化した物理的道路網の一部を特定する。変更に基づくアプローチは,マップ更新エラー率を4倍に削減することを示す。
論文参考訳（メタデータ） (2021-10-13T02:50:26Z)
Check Your Other Door! Establishing Backdoor Attacks in the Frequency Domain [80.24811082454367]
検出不能で強力なバックドア攻撃を確立するために周波数領域を利用する利点を示す。また、周波数ベースのバックドア攻撃を成功させる2つの防御方法と、攻撃者がそれらを回避できる可能性を示す。
論文参考訳（メタデータ） (2021-09-12T12:44:52Z)
CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文参考訳（メタデータ） (2021-06-20T08:20:56Z)
HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文参考訳（メタデータ） (2020-12-21T21:59:54Z)
Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。