論文の概要: Synthetic Embedding of Hidden Information in Industrial Control System Network Protocols for Evaluation of Steganographic Malware
- arxiv url: http://arxiv.org/abs/2406.19338v1
- Date: Thu, 27 Jun 2024 17:14:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 13:18:46.384734
- Title: Synthetic Embedding of Hidden Information in Industrial Control System Network Protocols for Evaluation of Steganographic Malware
- Title（参考訳）: 電子カルテ評価のための産業制御システムネットワークプロトコルにおける隠れ情報の合成埋め込み
- Authors: Tom Neubert, Bjarne Peuker, Laura Buxhoidt, Eric Schueler, Claus Vielhauer,
- Abstract要約: 本研究は, 合成ステガノグラフィーネットワークデータの組込み概念を導入し, 防衛機構の訓練および評価のための大量のデータを自動的に生成する。
この概念により、必要なネットワークパケットを操作でき、組込みペースの点で最先端のネットワークパケットよりも優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For the last several years, the embedding of hidden information by steganographic techniques in network communications is increasingly used by attackers in order to obscure data infiltration, exfiltration or command and control in IT (information technology) and OT (operational technology) systems. Especially industrial control systems (ICS) and critical infrastructures have increased protection requirements. Currently, network defense mechanisms are unfortunately quite ineffective against novel attacks based on network steganography. Thus, on the one hand huge amounts of network data with steganographic embedding is required to train, evaluate and improve defense mechanisms. On the other hand, the real-time embedding of hidden information in productive ICS networks is crucial due to safety violations. Additionally it is time consuming because it needs special laboratory setup. To address this challenge, this work introduces an embedding concept to gene ate synthetic steganographic network data to automatically produce significant amounts of data for training and evaluation of defense mechanisms. The concept enables the possibility to manipulate a network packet wherever required and outperforms the state-of-the-art in terms of embedding pace significantly.
- Abstract（参考訳）: 近年,IT(情報技術)やOT(オペレーショナル技術)システムにおいて,データ浸透・拡散・指令・制御を曖昧にするために,ネットワーク通信におけるステガノグラフィ技術による隠蔽情報の埋め込みが,攻撃者によってますます利用されてきている。
特に産業制御システム(ICS)と重要なインフラは、保護要件を増大させている。
現在、ネットワーク防御機構は、ネットワークステガノグラフィーに基づく新規攻撃に対して非常に効果がない。
したがって, 防御機構の訓練, 評価, 改善には, ステガノグラフィーを組み込んだ膨大なネットワークデータが必要である。
一方、生産的なICSネットワークに隠れた情報をリアルタイムに埋め込むことは、安全違反のため重要である。
また、特別な実験室を設置する必要があるため、時間を要する。
この課題に対処するため,本研究では,合成ステガノグラフィーネットワークデータに埋め込みの概念を導入し,防衛機構の訓練と評価のための大量のデータを自動的に生成する。
この概念により、必要なネットワークパケットを操作でき、組込みペースの点で最先端のネットワークパケットよりも優れている。
関連論文リスト
- SCGNet-Stacked Convolution with Gated Recurrent Unit Network for Cyber Network Intrusion Detection and Intrusion Type Classification [0.0]
侵入検知システム(IDS)は、複雑で多様なネットワーク攻撃を迅速かつ効率的に識別できるものではない。
SCGNetは,本研究で提案する新しいディープラーニングアーキテクチャである。
NSL-KDDデータセットは、それぞれ99.76%と98.92%の精度で、ネットワーク攻撃検出と攻撃タイプ分類の両方で有望な結果を示す。
論文 参考訳（メタデータ） (2024-10-29T09:09:08Z) - A Hybrid Training-time and Run-time Defense Against Adversarial Attacks in Modulation Classification [35.061430235135155]
機械学習に基づく無線信号(変調)分類を敵攻撃から保護するための訓練時間と実行時間の両方の防御技術に基づく防御機構。
ホワイトボックスのシナリオと実際のデータセットを考慮すると、提案手法が既存の最先端技術より優れていることを示す。
論文 参考訳（メタデータ） (2024-07-09T12:28:38Z) - KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。
弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
論文 参考訳（メタデータ） (2024-05-26T08:02:02Z) - 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) - Stepping out of Flatland: Discovering Behavior Patterns as Topological Structures in Cyber Hypergraphs [0.7835894511242797]
本稿では,ハイパーグラフとトポロジ理論に基づく新しいフレームワークを提案する。
大規模なサイバーネットワークデータセットで具体例を示す。
論文 参考訳（メタデータ） (2023-11-08T00:00:33Z) - FedDiSC: A Computation-efficient Federated Learning Framework for Power
Systems Disturbance and Cyber Attack Discrimination [1.0621485365427565]
本稿では,フェデレート学習に基づくプライバシ保護と通信効率の高い攻撃検出フレームワークであるFedDiSCを提案する。
我々は、電力システムとサイバーセキュリティの異常を正確に検出するために、表現学習に基づくDeep Auto-Encoderネットワークを提案する。
提案手法を現実のサイバー攻撃検出のタイムラインに適応させるために,DP-SIGNSGDとして知られる勾配プライバシー保護量子化方式を利用する。
論文 参考訳（メタデータ） (2023-04-07T13:43:57Z) - Artificial Neural Network for Cybersecurity: A Comprehensive Review [0.0]
本稿では,Deep Learning(DL)アプローチのサイバーセキュリティへの適用について,体系的なレビューを行う。
現在普及しているIoTおよび他のネットワークにおけるサイバー攻撃について、そしてこれらの攻撃を管理するためのDLメソッドの有効性について議論する。
最後に、信頼性と実践可能なIoT駆動型医療システムにおけるサイバーセキュリティの重要性について論じる。
論文 参考訳（メタデータ） (2021-06-20T09:32:48Z) - Machine Learning for Massive Industrial Internet of Things [69.52379407906017]
モノのインターネット(IIoT)は、モノのインターネット技術を産業環境に統合することで、将来の製造施設に革命をもたらします。
大規模なIIoTデバイスのデプロイでは、無線ネットワークがさまざまなQoS(Quality-of-Service)要件でユビキタス接続をサポートすることは困難である。
まず、一般的な非クリティカルかつクリティカルなIIoTユースケースの要件を要約します。
次に、大規模なIIoTシナリオと対応する機械学習ソリューションのユニークな特性を、その制限と潜在的な研究方向で識別します。
論文 参考訳（メタデータ） (2021-03-10T20:10:53Z) - 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) - Automating Botnet Detection with Graph Neural Networks [106.24877728212546]
ボットネットは、DDoS攻撃やスパムなど、多くのネットワーク攻撃の主要なソースとなっている。
本稿では,最新のディープラーニング技術を用いてボットネット検出のポリシーを自動学習するニューラルネットワーク設計の課題について考察する。
論文 参考訳（メタデータ） (2020-03-13T15:34:33Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。